Στοχαστικός Ακέραιος Προγραμματισμός — Βελτιστοποίηση Διακριτών Αποφάσεων υπό Αβεβαιότητα
Ο Στοχαστικός Ακέραιος Προγραμματισμός (SIP) είναι ένα πλαίσιο βελτιστοποίησης που συνδυάζει ακέραιες (διακριτές) μεταβλητές απόφασης με ρητή πιθανολογική μοντελοποίηση της αβεβαιότητας. Επιδιώκει την καλύτερη απόφαση «εδώ και τώρα» που ελαχιστοποιεί το αναμενόμενο κόστος (ή μεγιστοποιεί το αναμενόμενο όφελος) σε μια κατανομή μελλοντικών σεναρίων, λαμβάνοντας υπόψη το γεγονός ότι ορισμένες αποφάσεις πρέπει να ληφθούν πριν επιλυθεί η αβεβαιότητα.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/el/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.
- Προγραμματισμός Μικτών Ακέραιων ΤιμώνΠροσομοίωση↔ compare
- Προγραμματισμός Ακεραίων Τιμών με ΑνθεκτικότηταΠροσομοίωση↔ compare
- Στοχαστικός Δυναμικός ΠρογραμματισμόςΠροσομοίωση↔ compare
- Στοχαστικός Γραμμικός ΠρογραμματισμόςΠροσομοίωση↔ compare
- Στοχαστικός Μικτός Ακέραιος ΠρογραμματισμόςΠροσομοίωση↔ compare
- Στοχαστική Βελτιστοποίηση Πολλαπλών Αντικειμενικών ΣυναρτήσεωνΠροσομοίωση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →