Programmazione Intera Stocastica — Ottimizzazione di Decisioni Discrete Sotto Incertezza
La Programmazione Intera Stocastica (SIP) è un quadro di ottimizzazione che combina variabili decisionali intere (discrete) con la modellazione probabilistica esplicita dell'incertezza. Cerca la migliore decisione immediata (here-and-now) che minimizzi il costo atteso (o massimizzi il beneficio atteso) su una distribuzione di scenari futuri, tenendo conto del fatto che alcune decisioni devono essere prese prima che l'incertezza sia risolta.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Fonti
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer, New York. ISBN: 978-1-4614-0237-4
- Kleywegt, A. J., Shapiro, A., & Homem-de-Mello, T. (2002). The sample average approximation method for stochastic discrete optimization. SIAM Journal on Optimization, 12(2), 479-502. DOI: 10.1137/S1052623499363220 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/it/simulation/stochastic-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.
- Programmazione Lineare Intera MistaSimulazione↔ compare
- Programmazione Lineare Intera RobustaSimulazione↔ compare
- Programmazione Dinamica StocasticaSimulazione↔ compare
- Programmazione Lineare StocasticaSimulazione↔ compare
- Programmazione Lineare Intera StocasticaSimulazione↔ compare
- Ottimizzazione Stocastica Multi-ObiettivoSimulazione↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →