Flexible and Generalized Uncertainty Optimization: Theory and Methods

این کتاب تئوری و روش های بهینه سازی عدم قطعیت انعطاف پذیر و تعمیم یافته را ارائه می دهد. به ویژه، نظریه عدم قطعیت تعمیم یافته را در زمینه مدل سازی بهینه سازی توصیف می کند. کتاب با مروری بر بهینه سازی عدم قطعیت انعطاف پذیر و تعمیم یافته شروع می شود. این عدم قطعیت ها را پوشش می دهد که هم با کمبود اطلاعات مرتبط هستند و هم کلی تر از نظریه تصادفی، که در آن توزیع های کاملاً تعریف شده فرض می شود. این کتاب با شروع از خانواده‌های توزیع‌هایی که توسط توابع بالا و پایین محصور شده‌اند، روش‌های ساخت و ساز برای به دست آوردن داده‌های ورودی عدم قطعیت انعطاف‌پذیر و تعمیم‌یافته را ارائه می‌کند که می‌تواند در یک مدل بهینه‌سازی عدم قطعیت انعطاف‌پذیر و تعمیم‌یافته استفاده شود. سپس توسعه چنین مدلی را به تفصیل شرح می دهد. در مجموع، این کتاب زمینه لازم برای درک بهینه‌سازی عدم قطعیت انعطاف‌پذیر و تعمیم‌یافته و توسعه مدل بهینه‌سازی خود را در اختیار خوانندگان قرار می‌دهد.

This book presents the theory and methods of flexible and generalized uncertainty optimization. Particularly, it describes the theory of generalized uncertainty in the context of optimization modeling. The book starts with an overview of flexible and generalized uncertainty optimization. It covers uncertainties that are both associated with lack of information and that more general than stochastic theory, where well-defined distributions are assumed. Starting from families of distributions that are enclosed by upper and lower functions, the book presents construction methods for obtaining flexible and generalized uncertainty input data that can be used in a flexible and generalized uncertainty optimization model. It then describes the development of such a model in detail. All in all, the book provides the readers with the necessary background to understand flexible and generalized uncertainty optimization and develop their own optimization model.