.png){kind=icon}
返回
Deep generative scenario search for stochastic optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ejor.2026.06.029.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种用于两阶段SOPs的联合情景生成与求解框架。• 该算法在情景空间中作为一种新型的局部搜索启发式方法运行。• DGSS是一种实例级方法，生成小型合成情景集以凝聚关键属性。• 该框架采用黑箱视角，使方法对特定属性保持无差别性。• 与文献中的25种基准方法进行比较后，DGSS提供了最优的求解质量。
Keyword:
Combinatorial optimization
Stochastic optimization
Deep generative models
Scenario search
期刊
IF:
6
论文数:
2.2W
被引数:
6.4W
机构
暂无机构信息
引用论文
A simple heuristic for reducing the number of scenarios in two-stage stochastic programming减少两阶段随机规划方案数量的简单启发式方法
OAAI
OAAI分享收藏Consensus fixing for two-stage stochastic optimization – applied to stochastic prize collecting TSP两阶段随机优化的共识固定——应用于随机收集奖品TSPOAAI
OAAI分享收藏Scenario generation in stochastic programming using principal component analysis based on moment-matching approach.png)
OPSEARCH
OPSEARCHIF0
PREAI
分享收藏Explainable Artificial Intelligence (XAI) 2.0: A manifesto of open challenges and interdisciplinary research directions可解释人工智能 (XAI) 2.0: 开放挑战和跨学科研究方向的宣言INFORMATION FUSIONOAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏
查看更多内容