Bayesiansk lineær programmering — Optimering under Bayesiansk parameterusikkerhed

Bayesiansk lineær programmering (BLP) integrerer Bayesiansk statistisk inferens med klassisk lineær programmering for at håndtere usikkerhed i modelparametre såsom koefficienter i objektivfunktionen, begrænsningskoefficienter eller højre-side-værdier. I stedet for at behandle parametre som faste eller styret af worst-case-grænser, anvender BLP forudgående overbevisninger, der er opdateret med data, til at danne posterior-fordelinger, som derefter styrer LP-formuleringen og løsningen, hvilket producerer beslutninger, der er optimale i en probabilistisk, datainformeret forstand.