Uncertainty Feature Optimization: an implicit paradigm for problems with noisy data
2011
Résumé
Optimization problems with noisy data solved using stochastic programming or robust optimization approaches require the explicit characterization of an uncertainty set U that models the nature of the noise. Such approaches depend on the modeling of the uncertainty set and suffer from an erroneous estimation of the noise.
Détails
Titre
Uncertainty Feature Optimization: an implicit paradigm for problems with noisy data
Auteur(s)
Eggenberg, Niklaus ; Salani, Matteo ; Bierlaire, Michel
Publié dans
Networks
Volume
57
Numéro
3
Pages
270-284
Date
2011
ISSN
0028-3045
Mots-clés (libres)
Autres identifiant(s)
Afficher la publication dans Web of Science
Laboratoires
TRANSP-OR
Le document apparaît dans
Production scientifique et compétences > ENAC - Faculté de l'environnement naturel, architectural et construit > IIC - Institut d'ingénierie civile > TRANSP-OR - Laboratoire transport et mobilité
Publications validées par des pairs
Travail produit à l'EPFL
Articles de journaux
Publié
Publications validées par des pairs
Travail produit à l'EPFL
Articles de journaux
Publié
Date de création de la notice
2010-09-30