Sztochasztikus lineáris programozás – Optimalizálás bizonytalanság mellett, véletlen paraméterekkel
A sztochaschasztikus lineáris programozás (SLP) a klasszikus lineáris programozást terjeszti ki olyan helyzetekre, ahol egyes modellparaméterek – költségek, keresletek, erőforrás-elérhetőség – bizonytalanok és véletlen változókként modellezik őket. A szcenáriók valószínűségi eloszlásán alapuló várható költségek optimalizálásával az SLP olyan döntéseket hoz, amelyek a világ egyetlen feltételezett állapota helyett a lehetséges jövők széles skálájánál maradnak megvalósíthatók és közel optimálisak.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/hu/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-SIMULATIONDöntéshozatal↔ compare
- Robusztus Lineáris ProgramozásSzimuláció↔ compare
- Sztochasztikus dinamikus programozásSzimuláció↔ compare
- Sztochasztikus CélprogramozásSzimuláció↔ compare
- Stochastic Mixed-Integer ProgrammingSzimuláció↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →