Stokastisk Lineær Programmering — Optimering under Usikkerhed med Tilfældige Parametre
Stokastisk Lineær Programmering (SLP) udvider klassisk lineær programmering til situationer, hvor visse modelparametre — omkostninger, efterspørgsel, ressource tilgængelighed — er usikre og modelleret som tilfældige variable. Ved at optimere forventede omkostninger over en sandsynlighedsfordeling af scenarier, producerer SLP beslutninger, der forbliver feasible og nær-optimale på tværs af en række mulige fremtider snarere end for én enkelt antaget verdens tilstand.
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.
Kilder
- Dantzig, G. B., & Madansky, A. (1961). On the solution of two-stage linear programs under uncertainty. Proceedings of the Fourth Berkeley Symposium on Mathematical Statistics and Probability, 1, 165–176. link ↗
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer, New York. ISBN: 9780387982175
Sådan citerer du denne side
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/da/simulation/stochastic-linear-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.
- Monte Carlo-simuleringBeslutningstagning↔ compare
- Robust Lineær ProgrammeringSimulering↔ compare
- Stokastisk dynamisk programmeringSimulering↔ compare
- Stokastisk MålprogrammeringSimulering↔ compare
- Stokastisk HeltalsprogrammeringSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →