Στοχαστικός Μικτός Ακέραιος Προγραμματισμός — Βελτιστοποίηση υπό Αβεβαιότητα με Διακριτές και Συνεχείς Αποφάσεις
Ο Στοχαστικός Μικτός Ακέραιος Προγραμματισμός (SMIP) είναι ένα πλαίσιο βελτιστοποίησης που βρίσκει τον καλύτερο συνδυασμό δυαδικών, ακέραιων και συνεχών αποφάσεων όταν βασικές παράμετροι — κόστη, ζητήσεις, χωρητικότητες — είναι αβέβαιες και μοντελοποιούνται ως κατανομές πιθανότητας σε ένα σύνολο σεναρίων. Επεκτείνει τον κλασικό MIP ενσωματώνοντας δέντρα σεναρίων ή αντικειμενικές συναρτήσεις αναμενόμενης τιμής που αντιστέκονται στην αβεβαιότητα, σεβόμενες παράλληλα τους συνδυαστικούς περιορισμούς.
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.
Πηγές
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer Series in Operations Research. New York: Springer. ISBN: 9780387982175
- Sen, S., & Higle, J. L. (2005). The C3 theorem and a D2 algorithm for large scale stochastic mixed-integer programming: Set convexification. Mathematical Programming, 104(1), 1–20. DOI: 10.1007/s10107-004-0566-z ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/el/simulation/stochastic-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.
- Προγραμματισμός Μικτών Ακέραιων ΤιμώνΠροσομοίωση↔ compare
- Προσομοίωση Monte CarloΛήψη Αποφάσεων↔ compare
- Στοχαστικός Δυναμικός ΠρογραμματισμόςΠροσομοίωση↔ compare
- Στοχαστικός Γραμμικός ΠρογραμματισμόςΠροσομοίωση↔ compare
- Στοχαστική Βελτιστοποίηση Πολλαπλών Αντικειμενικών ΣυναρτήσεωνΠροσομοίωση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →