它怎样工作
随机优化给出不同情景及其概率;鲁棒优化要求方案在设定的不确定范围内仍可接受。二者可比较成本、风险和保守程度。
适合回答什么问题
公交需求波动、灾害资源预布设、容量预留。
城市研究中的用法
真实研究
MIT 交通研究针对公交客流不确定性研究稳健的发车频率设置,并以随机规划作比较。网页可演示常态和突发高需求下同一班次方案的表现。
解释时要注意什么
“鲁棒”只针对写入模型的不确定范围;范围过窄会脆弱,过宽会牺牲常态效率。
情景概率;不确定集合。
O / Optimization · O7
Stochastic and Robust Optimization
需求和运行条件尚不确定时,寻找能承受变化的方案。
播放后在这里显示逐步讲解字幕。
普通话讲解 · 同步字幕在播放器下方 · 阅读完整文字稿 · 下载视频
TEXT STORYBOARD / 文字分镜
三种需求情景
固定班次方案逐一受测
超载与成本结果
调整获得更稳健方案。
原创合成教学动画,不是原研究数据或结果的复现。详细原理、案例与边界见右侧说明。
随机优化给出不同情景及其概率;鲁棒优化要求方案在设定的不确定范围内仍可接受。二者可比较成本、风险和保守程度。
公交需求波动、灾害资源预布设、容量预留。
真实研究
MIT 交通研究针对公交客流不确定性研究稳健的发车频率设置,并以随机规划作比较。网页可演示常态和突发高需求下同一班次方案的表现。
“鲁棒”只针对写入模型的不确定范围;范围过窄会脆弱,过宽会牺牲常态效率。
情景概率;不确定集合。