Стохастично целочислено програмиране — Оптимизиране на дискретни решения при несигурност
Стохастичното целочислено програмиране (СЦП) е оптимизационна рамка, която комбинира целочислени (дискретни) променливи на решението с експлицитно вероятностно моделиране на несигурността. То търси най-доброто решение „тук и сега“, което минимизира очакваната цена (или максимизира очакваната полза) спрямо разпределение на бъдещи сценарии, като отчита факта, че някои решения трябва да бъдат взети преди несигурността да бъде разрешена.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Източници
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer, New York. ISBN: 978-1-4614-0237-4
- Kleywegt, A. J., Shapiro, A., & Homem-de-Mello, T. (2002). The sample average approximation method for stochastic discrete optimization. SIAM Journal on Optimization, 12(2), 479-502. DOI: 10.1137/S1052623499363220 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/bg/simulation/stochastic-integer-programming
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Целочислено линейно оптимиранеСимулационно моделиране↔ compare
- Устойчиво целочислено програмиранеСимулационно моделиране↔ compare
- Стохастично динамично програмиранеСимулационно моделиране↔ compare
- Стохастично линейно програмиранеСимулационно моделиране↔ compare
- Стохастично смесено-цялочислено програмиранеСимулационно моделиране↔ compare
- Стохастична многокритериална оптимизацияСимулационно моделиране↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →