Programación Entera Estocástica — Optimización de Decisiones Discretas Bajo Incertidumbre
La Programación Entera Estocástica (SIP, por sus siglas en inglés) es un marco de optimización que combina variables de decisión enteras (discretas) con modelado probabilístico explícito de la incertidumbre. Busca la mejor decisión aquí y ahora que minimice el costo esperado (o maximice el beneficio esperado) en una distribución de escenarios futuros, teniendo en cuenta que algunas decisiones deben tomarse antes de que se resuelva la incertidumbre.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/es/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.
- Programación Entera MixtaSimulación↔ compare
- Programación Entera RobustaSimulación↔ compare
- Programación Dinámica EstocásticaSimulación↔ compare
- Programación Lineal EstocásticaSimulación↔ compare
- Programación Estocástica Entera MixtaSimulación↔ compare
- Optimización Estocástica MultiobjetivoSimulación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →