Stokastisk Heltalsprogrammering — Optimering af Diskrete Beslutninger Under Usikkerhed
Stokastisk Heltalsprogrammering (SIP) er et optimeringsrammeværk, der kombinerer heltal (diskrete) beslutningsvariable med eksplicit probabilistisk modellering af usikkerhed. Det søger den bedste 'her-og-nu'-beslutning, der minimerer forventet omkostning (eller maksimerer forventet gevinst) på tværs af en fordeling af fremtidige scenarier, idet der tages højde for, at nogle beslutninger skal træffes, før usikkerheden er afklaret.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/da/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.
- Blandet-heltallig programmeringSimulering↔ compare
- Robust Integer ProgrammingSimulering↔ compare
- Stokastisk dynamisk programmeringSimulering↔ compare
- Stokastisk Lineær ProgrammeringSimulering↔ compare
- Stokastisk HeltalsprogrammeringSimulering↔ compare
- Stokastisk Multi-Objektiv OptimeringSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →