.png){kind=icon}
返回
A new framework for simulation-based goal programming using retrospective optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ejor.2026.05.031.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于仿真的目标规划框架，用于解决涉及多个性能指标的随机优化问题。我们特别考虑了加权目标规划和极小极大目标规划模型，这两种模型在目标规划领域得到了广泛应用。由于该随机优化模型中目标函数的解析不可解性，传统数学规划技术无法直接应用。为克服这一挑战，我们提出采用回顾性优化算法，这是一种仿真-优化方法。为验证我们方法的有效性，我们对所提出的算法进行了收敛性分析，证明了它们在特定条件下能够收敛到全局最优解。除了理论发展，我们还使用基准测试函数和一个随机库存优化问题进行了数值实验，以说明我们框架的有效性。实证结果表明，我们提出的方法与现有的基准解法相比具有竞争力。
Keyword:
Simulation
Goal programming
Retrospective optimization
Simulation-optimization
期刊
IF:
6
论文数:
2.2W
被引数:
6.4W
机构
查看更多机构
引用论文
暂无论文信息