Robust optimering

Robust optimering är en del inom optimeringsläran som söker finna lösningar till optimeringsproblem när det finns osäkerheter i grunddatat. Generellt betraktas olika scenarier som kan tänkas uppkomma. Metoden kan användas istället för till exempel stokastisk programmering vilken använder statistiska data för att hitta en lösning.

Olika metoder

Kouvelis och Yu betraktar tre olika sätt att optimera problemen robust.

• Absolut robusthet
• Robust deviation
• Relativ robusthet

Samtliga sätt använder minimax-metoder för att hitta lösningar till minimeringsproblem och maximin-metoder för att hitta lösningar till maximeringsproblem.

Bertsimas och Sim använder intervaller istället för scenarier.

Källor

• Bertsimas, D. och M. Sim. (2003). Robust Discrete Optimization and Network Flows. Mathematical Programming, 98, 49-71.
• Kouvelis P. och Yu G. (1997). Robust Discrete Optimization and Its Applications, Kluwer.