Ganzzahlige Programmierung für Policieszenarien — Diskrete Optimierung über Policy-Alternativen
Ganzzahlige Programmierung für Policieszenarien (PSIP) löst ein ganzzahliges Programmiermodell — bei dem einige oder alle Entscheidungsvariablen ganze Zahlenwerte annehmen müssen — separat unter jedem von mehreren unterschiedlichen Policieszenarien, vergleicht dann Zielfunktionswerte, Zulässigkeit und Lösungsstrukturen, um zu identifizieren, welche Policy-Umgebung zum besten diskreten Allokations- oder Zuweisungsergebnis führt.
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.
Quellen
- Birge, J. R., & Louveaux, F. (2011). Introduction to Stochastic Programming (2nd ed.). Springer. ISBN: 9781461402367
- Williams, H. P. (2013). Model Building in Mathematical Programming (5th ed.). Wiley. ISBN: 9781118443330
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Policy Scenario Integer Programming — Discrete Optimization Across Policy Alternatives. ScholarGate. https://scholargate.app/de/simulation/policy-scenario-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.
- Robuste ganzzahlige ProgrammierungSimulation↔ compare
- Stochastische ganzzahlige ProgrammierungSimulation↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →