摘要
Ajit Agrawal、Philip Klein和R.Ravi。 1995.当树碰撞时:网络上广义Steiner问题的近似算法。 SIAM J.计算。 24, 3 (1995), 445--456. 谷歌学者 数字图书馆 诺加·阿龙、巴鲁克·阿沃布奇、尤西·阿扎尔、尼夫·巴赫宾德和约瑟夫·纳尔。 2006.在线网络优化问题的一般方法。 ACM事务处理。 算法2,4(2006),640-660。 谷歌学者 数字图书馆 诺加·阿龙、巴鲁克·阿沃布奇、尤西·阿扎尔、尼夫·巴赫宾德和约瑟夫·纳尔。 2009年。在线套装封面问题。 SIAM J.计算。 39, 2 (2009), 361--370. 谷歌学者 数字图书馆 A.Ben-Tal、L.El Ghaoui和A.Nemirovski。 2009.稳健优化。 普林斯顿大学出版社。 谷歌学者 彼得·伯曼。 2000年 天 /无d-爪图中最大权无关集的2逼近。 北欧J.计算。 7, 3 (2000), 178--184. 谷歌学者 数字图书馆 彼得·伯曼和克里斯·库尔斯顿。 1997年,斯坦纳树问题的在线算法。 在计算机理论研讨会(STOC)的会议记录中。 344--353. 谷歌学者 数字图书馆 迪米特里斯·伯特西马斯(Dimitris Bertsimas)、大卫·布朗(David B.Brown)和君士坦丁·卡拉马尼斯(Constantine Caramanis)。 2011.鲁棒优化的理论与应用。 SIAM Rev.53,3(2011),464--501。 谷歌学者 数字图书馆 格鲁亚·卡利内斯库、钱德拉·切库里、马丁·帕尔和扬·冯德拉克。 2011.最大化受拟阵约束的单调子模函数。 SIAM J.计算。 40, 6 (2011), 1740--1766. 谷歌学者 数字图书馆 Chandra Chekuri和Sanjeev Khanna。 多背包问题的多项式时间近似方案。 SIAM J.计算。 35, 3 (2005), 713--728. 谷歌学者 数字图书馆 Kedar Dhamdhere、Vineet Goyal、R.Ravi和Mohit Singh。 2005.如何支付,可能发生什么:需求-预算覆盖问题的近似算法。 在计算机科学基础研讨会(FOCS)的会议记录中。 367--378. 谷歌学者 数字图书馆 Jittat Fakcharoenphol、Satish Rao和Kunal Talwar。 2004.用树度量逼近任意度量的紧界。 J.计算。 系统科学。 69, 3 (2004), 485--497. 谷歌学者 数字图书馆 乌列尔·菲格、卡迈尔·贾因、穆罕默德·马赫迪安和瓦哈卜·S·米罗尼。 2007.指数情景下的稳健组合优化。 在整数规划和组合优化会议(IPCO)的会议记录中。 439--453. 谷歌学者 数字图书馆 M.L.Fisher、G.L.Nemhauser和L.A.Wolsey。 最大化子模集函数的近似分析II。 数学。 程序。 8 (1978), 73--87. 谷歌学者 交叉引用 A.M.Frieze和M.R.B.Clarke,1984年。 m维0-1背包问题的近似算法:最坏情况和概率分析。 欧洲药典。 第15号决议,第1号决议(1984年),第100-109页。 谷歌学者 交叉引用 纳文·加格(Naveen Garg)、维杰·瓦齐拉尼(Vijay V.Vazirani)和米哈利斯·扬纳卡基斯(Mihalis Yannakakis)。 近似最大流最小(多)割定理及其应用。 SIAM J.计算。 25, 2 (1996), 235--251. 谷歌学者 数字图书馆 Michel X.Goemans和David P.Williamson。 1995年,约束森林问题的一般近似技术。 SIAM J.计算。 24, 2 (1995), 296--317. 谷歌学者 数字图书馆 丹尼尔·戈洛文(Daniel Golovin)、维尼特·戈亚尔(Vineet Goyal)和R.拉维(R.Ravi)。 2006.为未雨绸缪而付出代价:针对需求最小和最短路径问题的改进近似算法。 在计算机科学理论方面研讨会(STACS)的会议记录中。 计算机科学讲义,第3884卷。 柏林施普林格,206-217。 谷歌学者 数字图书馆 Anupam Gupta、Viswanath Nagarajan和R.Ravi。 2014.稳健和最大最小优化的阈值覆盖算法。 数学。 程序。 146, 1--2 (2014), 583--615. 谷歌学者 数字图书馆 阿努帕姆·古普塔(Anupam Gupta)、亚伦·罗斯(Aaron Roth)、格兰特·肖内贝克(Grant Schonebeck)和库纳尔·塔瓦尔(Kunal Talwar)。 2010.约束非单调子模块最大化:离线和秘书算法。 《互联网和网络经济学研讨会论文集》(WINE)。 246--257. 谷歌学者 数字图书馆 Chris Harrelson、Kirsten Hildrum和Satish Rao。 2003.一种多项式时间树分解以最小化拥塞。 在算法和体系结构并行性研讨会(SPAA)的会议记录中。 34--43. 谷歌学者 数字图书馆 J.Hástad。 1999.集团很难估计 n个 1&减号& epsi; 数学学报182(1999),105-142。 谷歌学者 交叉引用 科尔·赫肯斯(Cor A.J.Hurkens)和亚历山大·施里杰弗(Alexander Schrijver)。 1989年。关于集合系统的大小,其中每t都有一个SDR,并应用于包装问题的启发式最坏情况比率。 SIAM J.离散数学。 2, 1 (1989), 68--72. 谷歌学者 数字图书馆 M.Imase和B.M.Waxman。 1991.动态斯坦纳树问题。 SIAM J.离散数学4,3(1991),369--384。 谷歌学者 数字图书馆 尼科尔·伊莫利卡(Nicole Immorlica)、穆罕默德·马赫迪安(Mohammad Mahdian)和瓦哈布·米罗尼(Vahab S.Mirrorkni)。 2008.交叉单调成本分担计划的局限性。 ACM事务处理。 算法4,2(2008),1--25。 谷歌学者 数字图书馆 T.A.詹金斯。 1976年,“贪婪”算法的效率。 第七届东南组合数学、图论和计算会议论文集。 341到350之间。 谷歌学者 Rohit Khandekar、Guy Kortsarz、Vahab S.Mirrorkni和Mohammad R.Salavatipour。 2013.指数场景下的两阶段稳健网络设计。 《算法》65,2(2013),391--408。 谷歌学者 数字图书馆 阿里尔·库利克(Ariel Kulik)、哈达斯·沙奇奈(Hadas Shachnai)和塔米·塔米尔(Tami Tamir)。 2013.带背包约束的单调和非单调子模最大化的近似。 数学。 操作人员。 第38、4号决议(2013年),729--739。 谷歌学者 数字图书馆 Jon Lee、Vahab S.Mirrorkni、Viswanath Nagarajan和Maxim Svilidenko。 2010年a。 拟阵或背包约束下非单调子模函数的最大化。 SIAM J.离散数学。 23, 4 (2010), 2053--2078. 谷歌学者 数字图书馆 乔恩·李、马克西姆·斯维里登科和扬·冯德拉克。 2010年b。 基于广义交换性质的多拟阵上的子模最大化。 数学。 操作人员。 Res.35,4(2010),795-806。 谷歌学者 数字图书馆 G.L.Nemhauser、L.A.Wolsey和M.L.Fisher。 1978.最大化子模集函数的近似分析I.数学。 程序。 14 (1978), 265--294. 谷歌学者 数字图书馆 诺姆·尼桑(Noam Nisan)、蒂姆·拉夫加登(Tim Roughgarden)、伊娃·塔尔多斯(Eva Tardos)和维杰·瓦齐拉尼(Vijay V.Vazirani)。 2007.算法博弈论。 剑桥大学出版社。 谷歌学者 数字图书馆 A.Schrijver。 2003.组合优化。 斯普林格。 谷歌学者 C.Seshadhri和Jan Vondrák。 2011.子模块是否可测试? 《计算机科学创新学报》。 195--210. 谷歌学者 D.Shmoys和C.Swamy。 2004。随机优化(几乎)与确定性优化一样容易。 在计算机科学基础研讨会(FOCS)的会议记录中。 228--237. 谷歌学者 数字图书馆 阿拉文德·斯里尼瓦桑(Aravind Srinivasan)。 1999.改进了打包和覆盖整数程序的近似保证。 SIAM J.计算。 29, 2 (1999), 648--670. 谷歌学者 数字图书馆 M.斯维里登科。 2004.关于背包约束下最大化子模集函数的注记。 操作人员。 Res.Lett公司。 32(2004),41-43。 谷歌学者 数字图书馆 J.Vondrák。 价值预言模型中子模块福利问题的最佳近似。 在计算机理论研讨会(STOC)的会议记录中。 67--74. 谷歌学者 数字图书馆
建议
连通设施选址问题的近似稳健优化 在本文中,我们在Bertsimas和Sim(2003)提出的稳健离散优化框架内考虑稳健连接设施选址(ConFL)问题。 我们提出了一种近似稳健优化(ARO)方法,该方法使用启发式算法。。。 需求和行程时间不确定性下具有硬时间窗的鲁棒车辆路径问题 研究了具有需求和行程时间不确定性的VRPTW鲁棒版本。 提出了一种基于改进AVNS启发式的两阶段算法。 鲁棒性解决方案可以通过增加少量成本来大大提高路由鲁棒性。 管理的。。。 Min-max和鲁棒多项式优化 我们考虑稳健(或min-max)优化问题$$J^*:=\max_{mathbf{y}\in{\Omega}}\min_{mathbf{x}}\{f(\mathbf}x},\mathbf{y}):。。。