Approximation d'un ensemble d'incertitude pour l'optimisation robuste dirigée par les données
2 : Laboratoire des Sciences du Numérique de Nantes
Centre National de la Recherche Scientifique : UMR6004, IMT Atlantique Bretagne-Pays de la Loire, Nantes Université - École Centrale de Nantes, Université de Nantes - UFR des Sciences et des Techniques
1 : IMT Atlantique
LS2N, UMR CNRS 6004,
Nous proposons une méthode d'approximation d'un ensemble d'incertitude de la litérature en optimisation robuste. Cet ensemble d'incertitude permet d'obtenir des solutions robustes moins conservatrices que les modèles classiques de la litérature mais la complexité des modèles robustes obtenus limite son application à des problèmes de faible dimension. Nous montrons en appliquant notre méthode à trois problèmes classiques d'optimisation que notre approximation de l'ensemble d'incertitude réduit de façon significative le temps de résolution des modèles robustes tout en préservant la qualité des modèles.