Programació Estocàstica d'Enter mixts — Optimització sota incertesa amb decisions discretes i contínues
La Programació Estocàstica d'Enter mixts (SMIP, per les sigles en anglès) és un marc d'optimització que troba la millor combinació de decisions binàries, enters i contínues quan paràmetres clau —costos, demandes, capacitats— són incerts i es modelen com a distribucions de probabilitat sobre un conjunt d'escenaris. Amplia la MIP clàssica incorporant arbres d'escenaris o objectius de valor esperat que es protegeixen contra la incertesa tot respectant les restriccions combinatòries.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer Series in Operations Research. New York: Springer. ISBN: 9780387982175
- Sen, S., & Higle, J. L. (2005). The C3 theorem and a D2 algorithm for large scale stochastic mixed-integer programming: Set convexification. Mathematical Programming, 104(1), 1–20. DOI: 10.1007/s10107-004-0566-z ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/ca/simulation/stochastic-mixed-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.
- Programació Entera MixtaSimulació↔ compare
- Simulació Monte CarloPresa de decisions↔ compare
- Programació Dinàmica EstocàsticaSimulació↔ compare
- Programació Lineal EstocàsticaSimulació↔ compare
- Optimització Estocàstica MultiobjectiuSimulació↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →