Process / pipelineSimulation / optimization

برنامه‌ریزی عدد صحیح تصادفی — بهینه‌سازی تصمیمات گسسته تحت عدم قطعیت

برنامه‌ریزی عدد صحیح تصادفی (SIP) یک چارچوب بهینه‌سازی است که متغیرهای تصمیم عدد صحیح (گسسته) را با مدل‌سازی احتمالی صریح عدم قطعیت ترکیب می‌کند. این روش به دنبال بهترین تصمیمِ «هم‌اکنون» است که هزینه مورد انتظار (یا سود مورد انتظار) را در سراسر توزیعی از سناریوهای آینده به حداقل می‌رساند (یا به حداکثر می‌رساند)، با در نظر گرفتن این واقعیت که برخی تصمیمات باید قبل از رفع عدم قطعیت اتخاذ شوند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

منابع

  1. Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer, New York. ISBN: 978-1-4614-0237-4
  2. 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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/fa/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.

Compare side by side

ارجاع‌شده در

ScholarGateStochastic Integer Programming (Stochastic Integer Programming (SIP)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/simulation/stochastic-integer-programming · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026