|
最適化手法のほとんどは，入力データが既知のものであるという前提のもとにアルゴリズムが設計されている．しかし，多くの現実問題において入力データには曖昧さや不確定要素が内在している．そこで，このような入力データの変動に大きく影響されないようなロバストな解を得るようなアルゴリズムの開発が望まれている．
本研究では，ロバスト性の基準として最大後悔最小化を考慮した一般化割当問題，およびΓロバスト基準を考慮したナップサック問題に対して効率的なアルゴリズムを提案し，その理論的性質を解析した．また，計算実験により提案手法の性能評価を行った．
|
