دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Uwe Gotzes (auth.)
سری:
ISBN (شابک) : 9783834808431, 9783834899910
ناشر: Vieweg+Teubner Verlag
سال نشر: 2009
تعداد صفحات: 95
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 757 کیلوبایت
کلمات کلیدی مربوط به کتاب تصمیم گیری با محدودیت های تسلط در برنامه ریزی اعداد صحیح تصادفی دو مرحله ای: ریاضیات عمومی
در صورت تبدیل فایل کتاب Decision Making with Dominance Constraints in Two-Stage Stochastic Integer Programming به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تصمیم گیری با محدودیت های تسلط در برنامه ریزی اعداد صحیح تصادفی دو مرحله ای نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
مدل های برنامه ریزی تصادفی دو مرحله ای به عنوان ابزار جذابی
برای تصمیم گیری بهینه در شرایط عدم قطعیت در نظر گرفته می
شوند. به طور سنتی، بهینگی با اعمال پارامترهای آماری مانند
انتظار یا ارزش شرطی در معرض خطر برای توزیع مقادیر هدف رسمیت
می یابد.
Uwe Gotzes رویکردی را برای محاسبه ریسک گریزی در مدل های دو
مرحله ای بر اساس سفارشات جزئی بر روی مجموعه متغیرهای تصادفی
واقعی تحلیل می کند. این ترتیبات تصادفی امکان ادغام ویژگی های
کل توزیع ها را در فرآیند تصمیم گیری فراهم می کند. توزیع سود
یا هزینه باید از آزمون معیار با توزیع قابل قبول معین عبور
کند. بنابراین، اهداف اضافی را می توان بهینه کرد. برای این
کلاس جدید از مسائل بهینهسازی تصادفی، نتایج مربوط به ساختار و
پایداری ثابت شدهاند و یک الگوریتم مناسب برای مقابله با
نمونههای مشکل بزرگ ایجاد شده است. مفاهیم پسزمینه مدلسازی و
نتایج عددی از کاربرد الگوریتم پیشنهادی با مطالعات موردی از
تجارت انرژی نشان داده شدهاند.
Two-stage stochastic programming models are considered as
attractive tools for making optimal decisions under
uncertainty. Traditionally, optimality is formalized by
applying statistical parameters such as the expectation or
the conditional value at risk to the distributions of
objective values.
Uwe Gotzes analyzes an approach to account for risk aversion
in two-stage models based upon partial orders on the set of
real random variables. These stochastic orders enable the
incorporation of the characteristics of whole distributions
into the decision process. The profit or cost distributions
must pass a benchmark test with a given acceptable
distribution. Thus, additional objectives can be optimized.
For this new class of stochastic optimization problems,
results on structure and stability are proven and a tailored
algorithm to tackle large problem instances is developed. The
implications of the modelling background and numerical
results from the application of the proposed algorithm are
demonstrated with case studies from energy trading.
Front Matter....Pages I-IX
Introduction....Pages 1-12
Increasing Convex Order Constraints Induced by Mixed-Integer Linear Recourse....Pages 13-32
Competitive Risk-Averse Selling Price Determination for Electricity Retailers....Pages 33-47
Decomposition Method....Pages 49-59
Test Instances....Pages 61-72
An Alternative Formulation for Optimization under Stochastic Dominance Constraints....Pages 73-78
Back Matter....Pages 79-91