GCRI · علم سامانه‌ها و مدل‌سازی
بهینه‌سازی در شرایط عدم قطعیت
Plans for infrastructure, reserves and portfolios must work across futures that cannot be predicted. Optimisation under uncertainty chooses decisions that perform well on average, hold up in bad cases or stay acceptable across many scenarios. This page sets out the main approaches, from stochastic to robust optimisation and decision-making under عدم قطعیت عمیق, how their results are tested, and what evidence serves the planners who rely on them.
Optimisation under uncertainty on the record.
Optimisation under uncertainty: how the risk develops.
Robust and adaptive decisions when futures are deeply uncertain. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Optimal for one future is fragile
A plan optimised for a single forecast can perform badly if the future differs. Representing uncertainty explicitly avoids this trap.
Stochastic methods use probabilities
Stochastic programming optimises expected performance across scenarios with assigned probabilities, which needs those probabilities to be credible.
Robust methods guard the worst case
Robust optimisation chooses decisions that perform acceptably for all scenarios within a set, trading average performance for protection.
Adaptive plans keep options open
Plans with decision points and triggers adapt as uncertainty resolves, avoiding commitments that lock in poor outcomes.
مخاطره‌ها و مواجهه در آمریکای شمالی.
Flood water, population density and daytime surface heat over North America, from NASA GIBS. Each layer carries its own date.
نقشهٔ تعاملی به جاوااسکریپت نیاز دارد؛ فهرست لایه‌ها و منابع در ادامه آمده است.
لایه‌ها 3
مخاطره‌ها و مواجهه، برای این صفحه
دربارهٔ این لایه
- شواهد
- مشاهده‌ای (ابرها شکاف ایجاد می‌کنند)
- منبع
- محصول سیل جهانی VIIRS (NASA LANCE)
- ارائه‌دهنده
- NASA LANCE
- پروانه
- داده‌های باز NASA
- سال تولید
- روزانه؛ آشکارسازی ماهواره‌ای؛ ابرها شکاف به جا می‌گذارند
- تازه‌ترین در زمان ساخت
- 2026-10-14
- وضوح
- شبکهٔ حدود 250 m
- عدم قطعیت
- آشکارسازی ماهواره‌ای؛ ابرها شکاف به جا می‌گذارند. رستر ماهواره‌ای یا مدلی همان‌گونه که ارائه‌دهنده منتشر می‌کند. ابر، شکاف‌های نوار پویش و خطای بازیابی شکاف و نوفه به جا می‌گذارند؛ مقادیر نشانگر هستند، نه اندازه‌گیری در یک مکان.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- برآوردی
- منبع
- Gridded Population of the World v4.11 (NASA SEDAC (CIESIN، Columbia University))
- ارائه‌دهنده
- NASA SEDAC (CIESIN، دانشگاه کلمبیا)
- پروانه
- CC BY 4.0
- سال تولید
- null؛ برآورد مبتنی بر سرشماری، ایستا (2020)
- وضوح
- شبکهٔ حدود 1 کیلومتری
- عدم قطعیت
- برآورد مبتنی بر سرشماری از تعداد افراد در هر کیلومتر مربع در 2020، به‌عنوان زمینهٔ مواجهه؛ شمار افراد آسیب‌دیده از هیچ مخاطره‌ای نیست.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- مشاهده‌شده (ابر پایدار همچنان شکاف به جا می‌گذارد)
- منبع
- VIIRS NOAA-20 سطح 3، 8 روزه (NASA LANCE)
- ارائه‌دهنده
- NASA LANCE
- پروانه
- داده‌های باز NASA
- سال تولید
- 8 روزه؛ ترکیب 8 روزهٔ ماهواره‌ای؛ ابر پایدار همچنان شکاف به جا می‌گذارد
- تازه‌ترین در زمان ساخت
- 2026-09-14
- وضوح
- شبکهٔ حدود 1 کیلومتری
- عدم قطعیت
- دمای پوستهٔ زمین به‌صورت ماهواره‌ای طی 8 روز منتهی به تاریخ نمایش‌داده‌شده، نشانگر مواجهه با گرما؛ نه دمای هوا، نه شاخص گرما و نه هشدار گرما.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- مشاهده‌شده
- منبع
- بازتاب تصحیح‌شدهٔ VIIRS NOAA-20 (NASA LANCE)
- ارائه‌دهنده
- NASA LANCE
- پروانه
- داده‌های باز NASA
- سال تولید
- روزانه؛ تصویر ماهواره‌ای
- تازه‌ترین در زمان ساخت
- 2026-10-14
- وضوح
- شبکهٔ حدود 250 m
- عدم قطعیت
- تصویر ماهواره‌ای. رستر ماهواره‌ای یا مدلی همان‌گونه که ارائه‌دهنده منتشر می‌کند. ابر، شکاف‌های نوار پویش و خطای بازیابی شکاف و نوفه به جا می‌گذارند؛ مقادیر نشانگر هستند، نه اندازه‌گیری در یک مکان.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- مدل‌سازی‌شده (آخرین سالی که GIBS منتشر می‌کند)
- منبع
- پوشش زمین MODIS Terra و Aqua (MCD12Q1) (NASA LP DAAC)
- ارائه‌دهنده
- NASA LP DAAC
- پروانه
- داده‌های باز NASA
- سال تولید
- سالانه؛ طبقه‌بندی ماهواره‌ای؛ آخرین سالی که GIBS منتشر می‌کند
- تازه‌ترین در زمان ساخت
- 2024-01-01
- وضوح
- شبکهٔ حدود 500 متری
- عدم قطعیت
- طبقه‌های پوشش زمین به‌صورت ماهواره‌ای برای سال نمایش‌داده‌شده، از جمله زمینهای زراعی؛ طبقه‌بندی‌ای با خطاهای شناخته‌شده، نه ثبت مزارع.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- مشاهده‌شده (ابر و زمان گذر ماهواره شکاف به جا می‌گذارند)
- منبع
- VIIRS NOAA-20 375 m (FIRMS) (NASA LANCE FIRMS)
- ارائه‌دهنده
- NASA LANCE FIRMS
- پروانه
- داده‌های باز NASA
- سال تولید
- روزانه؛ آشکارسازی ماهواره‌ای؛ ابر و زمان گذر ماهواره شکاف به جا می‌گذارند
- تازه‌ترین در زمان ساخت
- 2026-10-13
- وضوح
- شبکهٔ حدود 500 متری
- عدم قطعیت
- شناسایی‌های ماهواره‌ای نقاط داغ در روز نمایش‌داده‌شده، شامل مشعل‌های گاز و گرمای صنعتی؛ آتش‌سوزی تأییدشده، گزارش رویداد یا هشدار نیست.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
صفحهکلید، با تمرکز بر نقشه
برای بزرگ‌نمایی، Ctrl یا ⌘ را نگه دارید و بغلتانید
آخرین موجود
NASA GIBS / EOSDIS · ASTER GDEM (METI، NASA) · Blue Marble (NASA) · © مشارکت‌کنندگان OpenStreetMap (ODbL) · Natural Earth
در حال بارگیری تازه‌ترین تصاویر NASA.
برای جابه‌جایی بکشید. برای بزرگ‌نمایی از Ctrl یا ⌘ و غلتاندن، حرکت دو انگشت یا دکمه‌ها استفاده کنید؛ برای دیدن مقادیر زیر نشانگر روی آن بروید؛ بازنشانی به منطقه بازمی‌گرداند.
مخاطره‌ها و مواجهه، با تمرکز بر آمریکای شمالی.فرآورده‌های ماهواره‌ای و مدلی همان‌گونه که NASA منتشر می‌کند، هر یک با تاریخ خود. نشانگرند، نه ارزیابی هیچ مکانی.
داده‌ها: NASA GIBS · ASTER GDEM · Blue Marble · © مشارکت‌کنندگان OpenStreetMap · Natural Earth · NASA EONET · U.S. Geological Survey · NASA JPL OPERA DIST-ALERTمنابع و پروانه‌ها
- We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). داده‌های باز NASA
- We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). داده‌های باز NASA
- فرآورده‌های VIIRS نزدیک به بی‌درنگ (سیل، دمای سطح زمین، پوشش برف، بازتاب تصحیح‌شده)، NASA LANCE؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
- Center for International Earth Science Information Network (CIESIN), Columbia University. 2018. Gridded Population of the World, Version 4 (GPWv4): Population Density, Revision 11. NASA Socioeconomic Data and Applications Center (SEDAC). دارای پروانهٔ CC BY 4.0. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). doi:10.7927/H49C6VHW. CC BY 4.0
- فرآورده‌های زمینی MODIS (شاخص‌های پوشش گیاهی، تولید ناخالص اولیه، پوشش زمین)، NASA LP DAAC و LANCE؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
- NASA Fire Information for Resource Management System (FIRMS)، فرآورده آتش فعال VIIRS 375 m، NASA LANCE؛ کاشی‌های برداری از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
- ASTER GDEM فرآورده METI و NASA است (ASTER Global Digital Elevation Model V003, NASA LP DAAC)؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). ارجاع: NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team (2019). ASTER Global Digital Elevation Model V003. doi:10.5067/ASTER/ASTGTM.003. داده‌های باز NASA
- ساخته‌شده با Natural Earth. داده‌های نقشهٔ برداری و رستری آزاد در naturalearthdata.com. مالکیت عمومی
- © OpenStreetMap contributors (ODbL)، از طریق NASA GIBS (خط ساحلی، مرزها، جاده‌ها و نام مکان‌ها). رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). ODbL
- Blue Marble، رصدخانهٔ زمین NASA؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های شش‌ضلعی میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
- زمینه بر کره و نقشهٔ تخت: خط ساحلی، مرزها، جاده‌ها و نام مکان‌ها از لایه‌های مرجع NASA GIBS (داده‌های OpenStreetMap، ODbL، © OpenStreetMap contributors)؛ تصاویر Blue Marble به‌عنوان پایهٔ اختیاری؛ زمین‌نمای 3D و خوانش ارتفاع از نمایهٔ رنگ ارتفاع ASTER GDEM (ردهٔ 5 m تا 200 m، برای خوانایی اغراق‌شده). مرزها همان‌گونه که منتشر شده‌اند ترسیم می‌شوند و بر هیچ سرزمینی موضعی را القا نمی‌کنند.
- رویدادهای زنده: NASA Earth Observatory Natural Event Tracker (EONET)؛ رویدادها نشانگرند و پیوندهای منبع اصلی خود را حفظ می‌کنند.
- زنده: رویدادهای NASA EONET نشانگرند و هشدار مراجع رسمی نیستند.
- زنده: U.S. Geological Survey رویدادها نشانگرند و هشدار مراجع رسمی نیستند.
- Observed (EO): NASA JPL OPERA DIST-ALERT (contains modified Copernicus Sentinel data 2026). We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
- NASA GIBS: We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
- پیش‌بینی دبی رودخانه، 30 روز با گستره (GloFAS از طریق Open-Meteo): شامل اطلاعات اصلاح‌شدهٔ Copernicus Emergency Management Service در 2026؛ هشدار سیل نیست.
- داده‌های هواشناسی از Open-Meteo.com (https://open-meteo.com/), با پروانهٔ CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
- لایه‌های اختیاری (11 منبع در فهرست لایه‌ها: زنده، پیش‌بینی، مشاهده‌ای و زمینهای) هنگام روشن‌شدن، اعتبار ارائه‌دهندهٔ خود را روی نقشه و در اینجا چاپ می‌کنند؛ پیش‌بینی‌ها خروجی مدل‌اند و شاخص‌های مشتق‌شده برآورد به شمار می‌آیند.
لایه‌ها و تاریخ‌ها
- آب سیل، ترکیب 3 روزه: VIIRS Global Flood Product، NASA LANCE · 14 اکتبر 2026
- تراکم جمعیت، 2020: جمعیت: CIESIN، دانشگاه کلمبیا، Gridded Population of the World v4.11 (2018)، NASA SEDAC، CC BY 4.0 · ایستا
- دمای سطح زمین، روز، ترکیب 8 روزه: VIIRS NOAA-20 سطح 3، 8 روزه، NASA LANCE · 14 سپتامبر 2026
- رنگ حقیقی: بازتاب تصحیح‌شدهٔ VIIRS NOAA-20، NASA LANCE · 13 اکتبر 2026
- نوع پوشش زمین (IGBP)، سالانه: پوشش زمین MODIS Terra و Aqua (MCD12Q1)، NASA LP DAAC · 2024
- آتش‌های فعال و بی‌هنجاری‌های گرمایی: VIIRS NOAA-20 375 m (FIRMS)، NASA LANCE FIRMS · 13 اکتبر 2026
Optimisation under uncertainty supports decisions in every domain.
Findings are designed for the مجموعهٔ روش‌ها و فنی. Decision making under عدم قطعیت عمیق (Marchau and others, 2019) sets out robust methods; owners decide.
- Case applications.
- Comparisons of robust methods.
اجراکنندهٔ مدل جفت‌شده.
The screen a team would use to follow this subject: its measures, states and decisions. Names are examples and values are illustrative.
اجراکنندهٔ مدل جفت‌شده
Optimisation under uncertainty · Coupled model A · Scenario set 3
نمودار جفت‌شدگی مدل
گره‌ها: مدل‌ها · یال‌ها: متغیرهای مبادله‌شده
مؤلفه‌های جفت‌شده
| آب‌شناسی | 1 day | رواناب | بله |
| سامانهٔ برق | 1 h | تقاضا، خاموشی‌ها | بله |
| اقتصاد | 1 فصل | خروجی، قیمت‌ها | جزئی |
| جمعیت | 1 year | مواجهه | بله |
خروجی مجموعه
What is measured, and how well.
Each indicator carries its unit, its cadence, the kind of source behind it and the evidence label a value would carry. No values are shown: a programme supplies them under its own authority.
| Indicator | Unit | دورهٔ تکرار | Source type | برچسب |
|---|---|---|---|---|
| Scenarios evaluated | count | per analysis | Analysis documentation | DECLARED |
| Regret of chosen plan | difference from best plan in each scenario | per analysis | Robustness analysis | مدل‌سازی‌شده |
| Value of the stochastic solution | difference between stochastic and deterministic plans | per analysis | Optimisation outputs | مدل‌سازی‌شده |
| Satisficing share | percent of scenarios meeting objectives | per analysis | Robustness analysis | مدل‌سازی‌شده |
| Adaptation triggers defined | count | per plan | Plan documentation | DECLARED |
| Out-of-sample performance | objective value on held-out scenarios | per analysis | Testing | مدل‌سازی‌شده |
Model optimisation under uncertainty as a system. Run the cascade.
Assembled from the Nexus Standards area profile استانداردهای مخاطرات ترکیبی و آبشاری: the hazards it names, the سامانه‌ها and sectors that carry the loss, the controls that dampen it and the data that observe it. Choose the components, pick an initiating hazard and step through the cascade. The Map view places the run on an example geography with open data. Every coupling weight is a stated assumption you can change. A teaching model, not a forecast, an assessment or a certification. To model a place of your own choosing, open the full System Builder.
مخاطرات
- Natech event
- Chemical spill or leak (جابه‌جاشده به پایین‌دست)
- Emergency-response overload (جابه‌جاشده به پایین‌دست)
- Toxic gas release (set off downstream)
- Industrial fire (set off downstream)
سامانه‌ها و پیوندها
کنترل‌ها
NS-0اساسنامه و اصولNS-3UNIهای سابقهٔ ریسک (دستور زبان، تطبیق میراثی، مرجع تخصیص)NS-9UNIهای زمینهای (استقرارها، نمونه‌ها، نمونه‌های برنامه)NS-11راستی‌آزمایی و پایش (شواهد، گواهی‌ها، مشاهدهٔ انطباق بدون اعتماد پیش‌فرض)NRS-H61خانوادهٔ مخاطره: شکست آبشاری (NHS-1 sys.cascade)NRS-H62خانوادهٔ مخاطره: رویدادهای مرکب و چندمخاطره‌ای (NHS-1 sys.compound)NRS-H60خانوادهٔ مخاطره: اختلال در زنجیرهٔ تأمین و جریان‌ها (NHS-1 sys.supply-chain)NRS-H94خانوادهٔ مخاطره: رویدادهای سایبری سامانه‌ای (NHS-1 cyber.systemic-cyber)NRS-H107خانوادهٔ مخاطره: تمرکز و تک‌گونگی زیرساخت دیجیتال (NHS-1 tech.digital-concentration)NRS-H7خانوادهٔ مخاطره: ناهنجاری‌های گردش بزرگ‌مقیاس (NHS-1 atmo.climate-mode)
مشاهده
- Copernicus EMS rapid mapping activations (listed for reference)
- OpenStreetMap planet and replication (listed for reference)
- ERA5 reanalysis (Copernicus Climate Data Store) (listed for reference)
- زیان اقتصادی مستقیم منتسب به سوانح نسبت به تولید ناخالص داخلی جهانی
- Number of disruptions to basic services attributed to disasters
جغرافیای نمونه
- بنگلادش: 134 سلول شش‌ضلعی
- نورهای شبانهٔ امشب، قطعی‌ها (VIIRS Day/Night Band)، NASA GIBS
- Carbon monoxide, smoke transport (AIRS), NASA GIBS
- Vegetation disturbance alerts, 30 m (OPERA DIST-ALERT), NASA GIBS
Where the evidence comes from.
Named public datasets and institutional records, each with its licence class. Sources by agreement are used only under their terms and never republished.
| منبع | What it gives | Licence class |
|---|---|---|
| Society for Decision Making under Deep Uncertainty resources | Methods and case studies for robust and adaptive planning | Public, terms to check |
| Open-source optimisation tools such as Pyomo and JuMP | Modelling languages for stochastic and robust optimisation | Open source, BSD and MPL licences |
| EMA Workbench | Exploratory modelling and analysis toolkit | Open source, BSD licence |
| Operations research literature on stochastic programming | Methods and applications | Licence per publication |
| منتشرشده adaptive pathway plans, such as delta programmes | Applied adaptive planning | Public records, licence per government |
How optimisation under uncertainty is modelled, measured and tested.
مدل، مفروضات، داده‌ها و عدم قطعیت آن، به شکلی که دانشمند یا مهندس بررسی می‌کند. ساختارها از روش‌های منتشرشده پیروی می‌کنند. مقادیر ترسیم‌شده تبیینی‌اند، نه یافته.
مدل، معادلات و مفروضات
The model structure used for optimisation under uncertainty, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)مخاطره، مواجهه، آسیب‌پذیری و ظرفیت مقابلهEAL = ∑k pk · Lkبر رویدادهای k با احتمال سالانهٔ pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| فرض | چرا ساخته می‌شود | چگونه آزموده می‌شود |
|---|---|---|
| مخاطره و مواجهه در یک رویداد مستقل‌اند | انتگرال زیان را تحت‌کنترل نگه می‌دارد | مقایسه با برازش مفصل بر سوابق مشترک |
| جفت‌شدگی‌ها نزدیک نقطهٔ کار خطی‌اند | اجازه می‌دهد شوک‌ها از طریق A منتشر شوند | فراتر از دامنهٔ خطی آشفته کنید و مقایسه کنید |
| منحنی‌های آسیب‌پذیری میان مکان‌ها منتقل می‌شوند | منحنی‌های محلی به‌ندرت در دسترس‌اند | اعتبارسنجی در برابر زیان‌های مشاهده‌شده در جاهایی که وجود دارند |
- ورودی‌ها
- مجموعه‌داده‌های نسخه‌دار با خاستگاه
- خروجی‌ها
- توزیع‌ها، هرگز تک‌رقم‌ها
- کد
- منتشرشده با کارت مدل و آزمون‌ها
- بازتولید
- همان داده، کد، محیط و بذر
Who decides, and what the evidence serves.
سامانه‌ها Science and Modelling prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| چه کسی تصمیم می‌گیرد | The question | Evidence this page serves |
|---|---|---|
| Infrastructure and resource planners | Which plans hold up across plausible futures | Robustness analyses; pathway designs |
| Analysts across Nexus platforms | Which optimisation approach suits their question | Method selection guides |
| Finance and audit bodies | Whether planning analyses considered uncertainty adequately | Analysis documentation |
Outputs this topic produces
- Method selection guides for planning under uncertainty
- Robustness and regret analyses
- Adaptive pathway designs with triggers
- Teaching material on optimisation under uncertainty
What experts ask about decisions under uncertainty.
- Is the aim to perform best on average, to avoid the worst outcomes, or to perform acceptably across many futures?
- Which uncertainties can be described with probabilities, and which cannot?
- Which decisions can be delayed, adapted or reversed as information arrives?
- How do trade-offs between objectives change across scenarios?
- What signals would indicate that a strategy needs to change?
Why optimal can be fragile.
Classical optimisation assumes a known model and known inputs. A strategy optimised for a single forecast can be finely tuned to that forecast and fragile if the future differs. In infrastructure planning, for example, a design optimised for one climate projection may fail under another.
Stochastic optimisation handles uncertainty described by probability distributions, seeking the best expected performance or managing risk measures. Robust optimisation seeks solutions that perform well across a set of possible conditions without probabilities.
Under عدم قطعیت عمیق, when experts cannot agree on models or probabilities, methods such as robust decision making and adaptive pathways explore many futures, identify where strategies fail, and design plans that can change course when signposts are observed.
Methods and their limits.
- 01
Stochastic programming
Optimising expected outcomes over scenarios, using optimisation and operations research. Requires credible probabilities.
- 02
Robust optimisation
Optimising worst-case or regret across uncertainty sets. Can be conservative.
- 03
Exploratory modelling
Running models across many futures to find vulnerabilities, using decision analysis. Computationally demanding.
- 04
Adaptive pathways
Sequencing actions with triggers for change. Requires monitoring and institutional capacity.
These methods support judgement, they do not replace it. The choice of objectives and acceptable risks is a value choice for decision-makers.
How it is studied, and what the methods cannot say.
- 01بهینه‌سازی و پژوهش عملیاتProblem formulation guidance · Robust and stochastic comparisons · Solver benchmarkingApplied here
- 02تحلیل تصمیم در شرایط عدم قطعیتFraming the decision before the model · Value of information for modelsApplied here
- 03کمّی‌سازی عدم قطعیت و اعتبارسنجی مدلUncertainty budgets · Surrogate models for expensive simulations · Credibility assessmentApplied here
- 04محاسبات با عملکرد بالا، ابری و لبه‌ایEnsemble design within budgets · Workflow orchestration · Reproducible environmentsApplied here
Where this page’s references lead.
نهادها و اسنادی که این صفحه بر پایهٔ آن‌ها خوانده می‌شود. وضعیت و ویراست‌ها تغییر می‌کنند؛ هر پیوند به نهاد صادرکننده می‌رود.
پرسش و پاسخ.
What is robust optimisation?
What is deep uncertainty?
What is an adaptive pathway?
Is a robust strategy always more expensive?
Does the platform choose strategies?
شواهد را از همین صفحه ارسال کنید.
گزارش‌ها is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- ایمیلدرگاه GW-GCRIاز همین صفحه ارسال کنیدشواهد، یک اصلاحیه، یک مورد، یک روش، یک داوری، یک ترجمه یا ورودی نمایه. با برچسب این صفحه میرسد تا ویراستار مسئول آن را دریافت کند.
- Zenodoسپردهٔ بازآن را واگذار کنید و به جامعه ارائه دهیدسابقهٔ خود را با شناسهٔ ORCID خود در Zenodo منتشر کنید و سپس آن را در همانجا به جامعهٔ Reports ارسال کنید. گزینشگران آن را داوری می‌کنند؛ DOI از آنِ شما میماند.
- گزارش‌هاGCRIهمهٔ راههای مشارکت را ببینیدانواع مشارکت، نحوهٔ بررسی هر یک، اعتباری که دریافت میکنید، مجوز و آنچه هرگز پذیرفته نمیشود.
هرگز داده شخصی، جزئیات حساس زیرساخت یا چیزی را که حق اشتراکش را ندارید نفرستید. هر مشارکت پیش از استفاده داوری می‌شود؛ ارسال آن حق مؤلفی یا ویرایشی نمی‌دهد و حمایت مالی هرگز یافته‌ای را نمی‌خرد.
یک روش، یک مجموعه‌داده یا یک پرسش بیاورید.
اطلاعات و درخواست‌ها امروز باز است. هر درخواست یک شمارهٔ پیگیری می‌گیرد و گام بعدی را مشخص می‌کند؛ درخواست‌های عضویت، پرداخت‌ها، تخصیص رایانش و ثبت‌نام‌ها تنها زمانی باز می‌شوند که تیم، شرایط و ظرفیت داوری آن‌ها فراهم باشد.
اسناد حقوقی.
نقشه‌ها، داده‌ها و ارقام این سایت برای زمینه و اطلاعات عمومی نشان داده می‌شوند. توصیه، پیش‌بینی یا هشدار نیستند؛ حدود این اطلاعات در سلب مسئولیت‌ها و اعلامیه‌های داده بیان شده است.