Online optimization is a field of optimization theory, more popular in computer science and operations research, that deals with optimization problems having no or incomplete knowledge of the future (online). These kind of problems are denoted as online problems and are seen as opposed to the classical optimization problems where complete information is assumed (offline). The research on online optimization can be distinguished into online problems where multiple decisions are made sequentially based on a piece-by-piece input and those where a decision is made only once. A famous online problem where a decision is made only once is the Ski rental problem. In general, the output of an online algorithm is compared to the solution of a corresponding offline algorithm which is necessarily alwa
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - Optimisation en ligne (fr)
- Online optimization (en)
|
| rdfs:comment
| - Online optimization is a field of optimization theory, more popular in computer science and operations research, that deals with optimization problems having no or incomplete knowledge of the future (online). These kind of problems are denoted as online problems and are seen as opposed to the classical optimization problems where complete information is assumed (offline). The research on online optimization can be distinguished into online problems where multiple decisions are made sequentially based on a piece-by-piece input and those where a decision is made only once. A famous online problem where a decision is made only once is the Ski rental problem. In general, the output of an online algorithm is compared to the solution of a corresponding offline algorithm which is necessarily alwa (en)
- L'optimisation en ligne est un domaine de l'optimisation mathématique, de plus en plus populaire dans les sciences de l'informatique et dans la recherche opérationnelle, qui traite les problèmes d'optimisation ayant une connaissance incomplète de l'avenir, donc l'optimisation se fait d'une manière en ligne. Ces types de problèmes sont identifiés comme des problèmes en ligne et sont considérés comme opposés aux problèmes d'optimisation classiques où l'information est complète dont l'optimisation se fait d'une manière hors ligne. (fr)
|
| differentFrom
| |
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - Online optimization is a field of optimization theory, more popular in computer science and operations research, that deals with optimization problems having no or incomplete knowledge of the future (online). These kind of problems are denoted as online problems and are seen as opposed to the classical optimization problems where complete information is assumed (offline). The research on online optimization can be distinguished into online problems where multiple decisions are made sequentially based on a piece-by-piece input and those where a decision is made only once. A famous online problem where a decision is made only once is the Ski rental problem. In general, the output of an online algorithm is compared to the solution of a corresponding offline algorithm which is necessarily always optimal and knows the entire input in advance (competitive analysis). In many situations, present decisions (for example, resources allocation) must be made with incomplete knowledge of the future or distributional assumptions on the future are not reliable. In such cases, online optimization can be used, which is different from other approaches such as robust optimization, stochastic optimization and Markov decision processes. (en)
- L'optimisation en ligne est un domaine de l'optimisation mathématique, de plus en plus populaire dans les sciences de l'informatique et dans la recherche opérationnelle, qui traite les problèmes d'optimisation ayant une connaissance incomplète de l'avenir, donc l'optimisation se fait d'une manière en ligne. Ces types de problèmes sont identifiés comme des problèmes en ligne et sont considérés comme opposés aux problèmes d'optimisation classiques où l'information est complète dont l'optimisation se fait d'une manière hors ligne. L'optimisation en ligne peut se distinguer en deux types. Dans le premier type, le problème est de trouver plusieurs décisions de manière séquentielle, en se basant sur un flux séquentiel de données. Dans le deuxième type, le problème est de trouver une seule décision optimale. Un célèbre exemple du deuxième type est le problème de la location de skis. En général, la sortie d'un algorithme en ligne est comparée à la solution d'un algorithme hors ligne qui est toujours optimale et qui connaît l'ensemble des données en avance. Dans de nombreuses situations, les décisions du présent (par exemple, l'allocation des ressources) doit être faite avec une connaissance partielle de l'avenir ou avec des hypothèses sur l'avenir qui ne sont pas fiables. Dans de tels cas, l'optimisation en ligne peut être utilisée, ce qui est différent des autres approches telles que l'optimisation robuste, et les . (fr)
|
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is foaf:primaryTopic
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)