Mixed-Integer Programming — Exakte Optimierung über kontinuierliche und ganzzahlige Entscheidungen
Mixed-Integer Programming (MIP) ist ein mathematischer Optimierungsrahmen, in dem einige Entscheidungsvariablen ganzzahlige Werte annehmen müssen, während andere kontinuierlich sein dürfen. Es verallgemeinert die lineare Programmierung und wird häufig in der betrieblichen Forschung, Logistik, Zeitplanung, Ressourcenallokation und im Ingenieurwesen eingesetzt, wo natürliche Unteilbarkeitsbeschränkungen – wie Ja/Nein-Entscheidungen oder ganze Einheitenmengen – auftreten.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Quellen
- Nemhauser, G. L., Wolsey, L. A. (1988). Integer and Combinatorial Optimization. Wiley-Interscience, New York. ISBN: 9780471359432
- Wolsey, L. A. (1998). Integer Programming. Wiley-Interscience, New York. ISBN: 9780471283669
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Mixed-Integer Programming (MIP) — Mathematical optimization with continuous and integer decision variables. ScholarGate. https://scholargate.app/de/simulation/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.
- Branch and BoundOptimierung↔ compare
- Dynamische ProgrammierungOptimierung↔ compare
- Genetischer AlgorithmusOptimierung↔ compare
- Lineare ProgrammierungOptimierung↔ compare
- Multi-Objective Mixed-Integer ProgrammingSimulation↔ compare
- Stochastische Gemischt-Ganzzahlige ProgrammierungSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →