Programmation linéaire bayésienne — Optimisation sous incertitude des paramètres bayésiens

La programmation linéaire bayésienne (BLP) intègre l'inférence statistique bayésienne à la programmation linéaire classique pour gérer l'incertitude dans les paramètres du modèle, tels que les coefficients de la fonction objectif, les coefficients des contraintes ou les valeurs du membre de droite. Au lieu de considérer les paramètres comme fixes ou soumis à des bornes de pire cas, la BLP utilise des croyances a priori mises à jour par les données pour former des distributions a posteriori, qui guident ensuite la formulation et la résolution du PL, produisant des décisions optimales dans un sens probabiliste et informé par les données.