.png){kind=icon}
返回
Event constrained programming
.png){kind=icon}
OA
AI
DOI：10.1016/j.compchemeng.2025.109145.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种将事件约束作为新的建模范式，将随机优化中的联合机会约束推广至：(1) 对通过应用特定逻辑聚合的一组约束的满足概率施加约束（构成一个事件），以及(2) 应用于一般的无限维优化（InfiniteOpt）问题（即时间、空间和/或不确定性域）。这一新的约束类别为提出在特定部分域内强制执行的InfiniteOpt约束提供了显著的建模灵活性（例如，达到某一概率水平），但由于难以表示任意的逻辑条件和为约束集合指定概率测度，因此对其进行重构/求解可能具有挑战性。为解决这些挑战，我们推导出事件约束优化问题的广义析取规划（GDP）表示方法，该方法能够便捷地以标准形式提出逻辑事件条件，并允许借鉴利用此类问题特殊结构的GDP求解策略。我们还扩展了机会约束文献中的几种近似技术，以提供一种无需使用二元变量的方法来重构某些事件约束。我们通过随机最优潮流、动态疾病控制和最优二维扩散等案例研究来说明这些发现。
Keyword:
Infinite-dimensional optimization
Event constraints
Chance constraints
Generalized disjunctive programming
Stochastic programming
Dynamic programming
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
3.9
论文数:
8.1K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏分享收藏分享收藏
分享收藏分享收藏
查看更多内容