В этой статье мы предлагаем новый алгоритм для решения многоцелевых задач стохастического целочисленного линейного программирования (MOSILP). Мы оптимизируем данную стохастическую линейную функцию φ по полному набору эффективных решений MOSILP, которые были преобразованы в эквивалентную детерминированную задачу с использованием неопределенных предположений, вводимых лицом, принимающим решения. Для этой цели мы применяем двухэтапный рекурсивный подход, при котором расширенная взвешенная программа Чебышева постепенно оптимизируется для создания эффективного решения, тем самым улучшая значение вспомогательной функции φ . Предлагаемый здесь подход определяет и решает последовательность целочисленных линейных программ с нарастающими ограничениями, так что на каждом этапе алгоритма генерируется новое эффективное решение. Для иллюстрации представлен числовой пример
In this paper, we propose a novel algorithm to deal with multi-objective stochastic integer linear programming problems (MOSILP). Given a stochastic linear function φ , we will optimize it over the full set of efficient solutions of a MOSILP. We convert the latter into an equivalent deterministic problem using uncertain aspirations which are inputs specified by the decision maker. For this purpose, we adopt a 2-stage recourse approach where an augmented weighted Tchebychev program is progressively optimized to generate an efficient solution, the value of the utility function φ is improved to enumerate all efficient solutions. The approach proposed here defines and solves a sequence of progressively more constrained integer linear programs, so that a new efficient solution is generated at each step of the algorithm. A numerical example is presented for illustration
Solving Integer Linear Programs by Exploiting Variable-Constraint Interactions: A Survey
