Pemrograman Campuran-Integer Stokastik — Optimasi di Bawah Ketidakpastian dengan Keputusan Diskrit dan Kontinu
Pemrograman Campuran-Integer Stokastik (SMIP) adalah kerangka kerja optimasi yang menemukan kombinasi terbaik dari keputusan biner, integer, dan kontinu ketika parameter kunci — biaya, permintaan, kapasitas — tidak pasti dan dimodelkan sebagai distribusi probabilitas atas serangkaian skenario. Ini memperluas MIP klasik dengan menyematkan pohon skenario atau tujuan nilai-ekspektasi yang melindungi dari ketidakpastian sambil menghormati kendala kombinatorial.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/id/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.
- Pemrograman Integer CampuranSimulasi↔ compare
- Simulasi Monte CarloPengambilan Keputusan↔ compare
- Pemrograman Dinamis StokastikSimulasi↔ compare
- Pemrograman Linear StokastikSimulasi↔ compare
- Optimisasi Stokastik Multi-ObjektifSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →