Pemrograman Linear Stokastik — Optimasi dalam Ketidakpastian dengan Parameter Acak
Pemrograman Linear Stokastik (SLP) memperluas pemrograman linear klasik ke pengaturan di mana beberapa parameter model — biaya, permintaan, ketersediaan sumber daya — tidak pasti dan dimodelkan sebagai variabel acak. Dengan mengoptimalkan biaya yang diharapkan atas distribusi probabilitas skenario, SLP menghasilkan keputusan yang tetap layak dan mendekati optimal di berbagai kemungkinan masa depan daripada untuk satu keadaan dunia yang diasumsikan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/id/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.
- Simulasi Monte CarloPengambilan Keputusan↔ compare
- Pemrograman Linear RobustSimulasi↔ compare
- Pemrograman Dinamis StokastikSimulasi↔ compare
- Pemrograman Sasaran StokastikSimulasi↔ compare
- Pemrograman Campuran-Integer StokastikSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →