1 Cơ sơ lí thuyết của mô hình truy hồi SLP 2

giai đoạn (dạng đơn giản)

Định nghĩa:(chương trình tuyến tính ngẫu nhiên 2 giai đoạn có truy
hồi:2-LSPWR). chương trình tuyến tính ngẫu nhiên 2 giai đoạn có
truy hồi(2-LSPWR) hoặc chính xác với việc

min cT · x + min Eω [q(y)]

x∈X y (ω)∈Y

Hay tổng quát:

min Eω [cT · x + v(x, ω)

x∈X, y(ω)∈Y

Với: article
ν(x, ω) := q · y

Tuỳ thuộc vào: -Ràng buộc ở giai đoạn đầu ban đầu: ax + b
-Những ràng buộc ở giai đoạn thứ hai: T (ω) · x + W · y(ω) = h(ω)
-Hoặc ngắn gọn hơn là: W · y = h(ω) − T (ω).
-Chương trình này chỉ định 2-SP (2) ở trên cho mục tiêu lớn ngẫu nhiên cụ
thể (hàm số g(x) có:
-Hàm xác định f (x) là hàm tuyến tính trong quá trình tính.
-Hàm xác xuất ν(x, ω) liên quan với các trường hợp khác nhau của ω.
y = y(x, ω) ∈ Rp+ được gọi là biến hành động truy hồi cho biến x và thực
hiện ω.
-Các hành động truy hồi được xem là "Penalize corrective actions" (Xử phạt
hành động khắc phục) trong SLP. Sự hiệu chỉnh Penalize corrective được thể
hiện thông qua giá trị trung bình của Q(x) = Eω [v(x, ω)] . VẬY LÀM SAO ĐỂ
TÌM ĐƯỢC GIÁ TRỊ ĐÓ? Phương pháp phổ biến: Phân tích lại các kịch bản
(Senarios analysis)
Để giải hệ trên bằng số, các phương pháp dựa trên vector ngẫu nhiên có hữu
hạn số khả năng thực hiện gọi là kịch bản (Senarios)
Giá trị kì vọng Q(x) hiển nhiên đối phân bố rời rạc của ω!
Vì vậy, ta lấy Ω = {ωk } là một tập xác định kích thước (có một số hữu hạn
các kịch bản ω1 , . . . , ωS ∈ Ω, với số lượng xác suất là pk ).
Bởi vì y = y(x, ω) nên kì vọng của v(y) = v(x, ω) := q · y ( chi phí q cho tất
cả yk ) là:
PS PS
Q(x) = Eω [v(x, ω)] = k=1 pk qyk = k=1 pk v(x, ωk )