Modélisation et résolution de problèmes d'optimisation avec un objectif linéaire évidentiel
Résumé
Dans cet article, nous étudions une classe de problèmes d'optimisation très générale où la fonction objectif est linéaire et dans lequel les coefficients sont évidentiels c'est-à-dire où l'incertitude est modélisée par une fonction de croyance. Nous considérons, dans ce contexte, deux critères pour comparer les solutions : maximalité et E-admissibilité. Nous fournissons des caractérisations pour les solutions non dominées par rapport à ces critères lorsque les ensembles focaux de la fonction de croyance sont des produits cartésiens d'ensembles compacts. Nous montrons que ces caractérisations correspondent à une notion établie en optimisation robuste.
Mots clés
Fonctions de croyance Optimisation robuste Optimisation combinatoire Programmation linéaire Belief function Robust optimization Combinatorial optimization Linear programming
Fonctions de croyance
Optimisation robuste
Optimisation combinatoire
Programmation linéaire Belief function
Robust optimization
Combinatorial optimization
Linear programming
Domaines
Intelligence artificielle [cs.AI]Origine | Fichiers produits par l'(les) auteur(s) |
---|