Two approaches to inner estimations of the optimal solution set in interval linear programming

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F20%3A10419306" target="_blank" >RIV/00216208:11320/20:10419306 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1145/3396474.3396479" target="_blank" >https://doi.org/10.1145/3396474.3396479</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3396474.3396479" target="_blank" >10.1145/3396474.3396479</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Two approaches to inner estimations of the optimal solution set in interval linear programming

Popis výsledku v původním jazyce

We consider a linear programming problem with uncertain input coefficients. The only information we have are lower and upper bounds for the uncertain values. This gives rise to the so called interval linear programming. The challenging problem here is to characterize and determine the set of all possible optimal solutions. Most of the scholars were focus on computing outer bounds for the optimal solution. Herein, we will be interested with computing inner bounds. We propose a local search algorithm and a genetic algorithm. We compare both methods numerically on random data to ascertain what is their real time complexity and quality of inner estimations.

Název v anglickém jazyce

Two approaches to inner estimations of the optimal solution set in interval linear programming

Popis výsledku anglicky

We consider a linear programming problem with uncertain input coefficients. The only information we have are lower and upper bounds for the uncertain values. This gives rise to the so called interval linear programming. The challenging problem here is to characterize and determine the set of all possible optimal solutions. Most of the scholars were focus on computing outer bounds for the optimal solution. Herein, we will be interested with computing inner bounds. We propose a local search algorithm and a genetic algorithm. We compare both methods numerically on random data to ascertain what is their real time complexity and quality of inner estimations.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50201 - Economic Theory

Projekt

<a href="/cs/project/GA18-04735S" target="_blank" >GA18-04735S: Nové přístupy pro relaxační a aproximační techniky v deterministické globální optimalizaci</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 2020 4th International Conference on Intelligent Systems, Metaheuristics &amp; Swarm Intelligence

ISBN

978-1-4503-7761-4

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

99-104

Název nakladatele

Association for Computing Machinery

Místo vydání

New York

Místo konání akce

Thimphu, Bhutan

Datum konání akce

18. 4. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—