Programmation en nombres entiers pour scénarios politiques — Optimisation discrète à travers des alternatives politiques
La programmation en nombres entiers pour scénarios politiques (PSIP) résout un modèle de programmation en nombres entiers — où certaines ou toutes les variables de décision doivent prendre des valeurs entières — séparément pour chacun des différents scénarios politiques, puis compare les valeurs objectives, la faisabilité et les structures de solution pour identifier quel environnement politique conduit au meilleur résultat d'allocation ou d'affectation discrète.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Birge, J. R., & Louveaux, F. (2011). Introduction to Stochastic Programming (2nd ed.). Springer. ISBN: 9781461402367
- Williams, H. P. (2013). Model Building in Mathematical Programming (5th ed.). Wiley. ISBN: 9781118443330
Comment citer cette page
ScholarGate. (2026, June 3). Policy Scenario Integer Programming — Discrete Optimization Across Policy Alternatives. ScholarGate. https://scholargate.app/fr/simulation/policy-scenario-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.
- Programmation en nombres entiers robusteSimulation↔ compare
- Programmation Linéaire en Nombres Entiers StochastiqueSimulation↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →