Pemrograman Sasaran Stokastik — Mengoptimalkan Banyak Sasaran di Bawah Ketidakpastian
Pemrograman Sasaran Stokastik (SGP) memperluas pemrograman sasaran klasik untuk menangani ketidakpastian dalam target sasaran, koefisien kendala, atau parameter sisi kanan. Dengan menggabungkan kendala probabilistik dan komponen objektif stokastik, ia menemukan solusi yang memenuhi banyak sasaran pada tingkat probabilitas yang dapat diterima, membuatnya cocok untuk masalah keputusan di mana data secara inheren tidak pasti atau bervariasi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Contini, B. (1968). A stochastic approach to goal programming. Operations Research, 16(3), 576–586. DOI: 10.1287/opre.16.3.576 ↗
- Charnes, A., Cooper, W. W. (1959). Chance-constrained programming. Management Science, 6(1), 73–79. DOI: 10.1287/mnsc.6.1.73 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Stochastic Goal Programming. ScholarGate. https://scholargate.app/id/simulation/stochastic-goal-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.
- Pemrograman TujuanPengambilan Keputusan↔ compare
- Pemrograman Tujuan Multi-ObjektifSimulasi↔ compare
- Pemrograman Tujuan KuatSimulasi↔ compare
- Pemrograman Integer StokastikSimulasi↔ compare
- Pemrograman Linear StokastikSimulasi↔ compare
- Optimisasi Stokastik Multi-ObjektifSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →