Stohastično mješovito cjelobrojno programiranje — Optimizacija pod nesigurnošću s diskretnim i kontinuiranim odlukama
Stohastično mješovito cjelobrojno programiranje (SMIP) je optimizacijski okvir koji pronalazi najbolju kombinaciju binarnih, cjelobrojnih i kontinuiranih odluka kada su ključni parametri — troškovi, potražnja, kapaciteti — nesigurni i modelirani kao raspodjele vjerojatnosti nad skupom scenarija. Proširuje klasično MIP ugrađivanjem stabala scenarija ili ciljeva očekivane vrijednosti koji štite od nesigurnosti, uz poštivanje kombinatornih ograničenja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/hr/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.
- Mješovito cjelobrojno programiranjeSimulacija↔ compare
- Simulacija Monte CarloDonošenje odluka↔ compare
- Stohastično dinamičko programiranjeSimulacija↔ compare
- Stochastic Linear ProgrammingSimulacija↔ compare
- Stohastička višekriterijska optimizacijaSimulacija↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →