Stokastinen lineaarinen optimointi — optimointi epävarmuuden vallitessa satunnaisten parametrien kanssa
Stokastinen lineaarinen optimointi (SLP) laajentaa klassista lineaarista optimointia tilanteisiin, joissa jotkin mallin parametrit — kustannukset, kysyntä, resurssien saatavuus — ovat epävarmoja ja mallinnettu satunnaismuuttujina. Optimoimalla odotettuja kustannuksia skenaarioiden todennäköisyysjakauman yli SLP tuottaa päätöksiä, jotka pysyvät toteuttamiskelpoisina ja lähes optimaalisina useissa mahdollisissa tulevaisuuksissa yhden oletetun maailmantilan sijaan.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/fi/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-SIMULATIONPäätöksenteko↔ compare
- Robustti lineaarinen optimointiSimulointi↔ compare
- Stokastinen dynaaminen ohjelmointiSimulointi↔ compare
- Stokastinen tavoiteohjelmointiSimulointi↔ compare
- Stokastinen kokonaislukuoptimointiSimulointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →