תכנון שלם מעורב סטוכסטי — אופטימיזציה תחת אי-ודאות עם החלטות בדידות ורציפות
תכנון שלם מעורב סטוכסטי (SMIP) הוא מסגרת אופטימיזציה המוצאת את השילוב הטוב ביותר של החלטות בינאריות, שלמות ורציפות כאשר פרמטרים מרכזיים — עלויות, ביקוש, קיבולות — אינם ודאיים וממוּדלים כהתפלגויות הסתברות על פני קבוצת תרחישים. הוא מרחיב את ה-MIP הקלאסי על ידי הטמעת עצי תרחישים או פונקציות מטרה של ערך צפוי המגדרות מפני אי-ודאות תוך כיבוד אילוצים קומבינטוריים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer Series in Operations Research. New York: Springer. ISBN: 9780387982175
- Sen, S., & Higle, J. L. (2005). The C3 theorem and a D2 algorithm for large scale stochastic mixed-integer programming: Set convexification. Mathematical Programming, 104(1), 1–20. DOI: 10.1007/s10107-004-0566-z ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/he/simulation/stochastic-mixed-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.
- תכנון ליניארי בשלמים מעורביםסימולציה↔ compare
- סימולציית מונטה קרלוקבלת החלטות↔ compare
- תכנון דינמי סטוכסטיסימולציה↔ compare
- תכנון ליניארי סטוכסטיסימולציה↔ compare
- אופטימיזציה סטוכסטית מרובת יעדיםסימולציה↔ compare