Stochastische Lineare Programmierung — Optimierung unter Unsicherheit mit Zufallsparametern
Die Stochastische Lineare Programmierung (SLP) erweitert die klassische Lineare Programmierung auf Situationen, in denen einige Modellparameter — Kosten, Nachfrage, Ressourcenverfügbarkeit — unsicher sind und als Zufallsvariablen modelliert werden. Durch die Optimierung der erwarteten Kosten über eine Wahrscheinlichkeitsverteilung von Szenarien liefert die SLP Entscheidungen, die über eine Reihe möglicher Zukünfte hinweg zulässig und annähernd optimal bleiben, anstatt für einen einzelnen angenommenen Weltzustand.
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
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/de/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-SimulationEntscheidungsfindung↔ compare
- Robuste lineare ProgrammierungSimulation↔ compare
- Stochastic Dynamic ProgrammingSimulation↔ compare
- Stochastisches ZielprogrammSimulation↔ compare
- Stochastische Gemischt-Ganzzahlige ProgrammierungSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →