Sztochasztikus vegyes egészértékű programozás – Optimalizálás bizonytalanság mellett diszkrét és folytonos döntésekkel
A sztochasztikus vegyes egészértékű programozás (SMIP) egy optimalizálási keretrendszer, amely a bináris, egészértékű és folytonos döntések legjobb kombinációját találja meg, amikor a kulcsparaméterek – költségek, keresletek, kapacitások – bizonytalanok, és valószínűségi eloszlásokként modellezhetők egy forgatókönyv-halmaz felett. Kiterjeszti a klasszikus MIP-et azáltal, hogy forgatókönyv-fákat vagy várható értékű célfüggvényeket ágyaz be, amelyek fedezik a bizonytalanságot, miközben tiszteletben tartják a kombinatorikus korlátokat.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/hu/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.
- Vegyes egészértékű programozásSzimuláció↔ compare
- MONTE-CARLO-SIMULATIONDöntéshozatal↔ compare
- Sztochasztikus dinamikus programozásSzimuláció↔ compare
- Stochastic Linear ProgrammingSzimuláció↔ compare
- Stochastic Multi-Objective OptimizationSzimuláció↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →