详细内容或原文请订阅后点击阅览
随机规划简介
当你的电子表格对未来撒谎时如何做出决策这篇文章《随机编程的温和介绍》首先出现在《走向数据科学》上。
来源:走向数据科学在我的第一篇 TDS 文章中，我写了如何将现实世界的问题转换为整数线性程序。在我的第二篇文章中，我写了如何使该程序能够抵御不确定性。两者都是同一个想法的变体：接受一个模糊的现实问题，将其压缩到线性规划中，然后让求解器完成其余的工作。
然而，在每个优化器的生命中都会有这样的时刻，LP 开始感觉有点过于简洁了。需求是一个数字。旅行时间是一个数字。风速是一个数字。该模型接受输入，返回最优解决方案，然后继续前进。这些数字本应描述的现实（混乱、紧张、偶尔令人惊讶）并没有真正出现在任何地方。
随机规划是认真对待这种不适的领域。它不是假装数据是准确的，而是直接将不确定性构建到模型中。你支付的价格是多一点的符号；回报是当世界不合作时仍能坚持下去的决定。
这篇文章是对基础知识的简单介绍。我们将了解为什么明显的方法行不通，逐步介绍处理线性程序中的不确定性的四种标准方法，最后快速进行健全性检查，看看其中是否值得付出努力。其中有一些数学知识，但它与您从 LP 中已经知道的数学知识相同，只是附加了一个额外的符号。
起点：一家水晶球很糟糕的时尚公司
为了具体说明这一点，我们将使用 dr. 的运行示例。 Ruben van Beesten 的讲座（更多内容请参见下面的学分）。事情是这样的。
您经营一家在德国销售冬季服装的时装公司。生产在孟加拉国进行，成本低廉但速度缓慢：货物需要几周才能到达。因此，在秋天，您必须决定为即将到来的冬季生产多少。
如果你暂时忽略不确定性并假装需求是一个固定数字，你可以写下一张普通的 LP：
处理不确定性的四种方法
1. 稳健优化：做好最坏的打算
接下来是两个自然问题。