Programmazione Lineare Stocastica — Ottimizzazione in Condizioni di Incertezza con Parametri Casuali
La Programmazione Lineare Stocastica (SLP) estende la programmazione lineare classica a contesti in cui alcuni parametri del modello — costi, domande, disponibilità di risorse — sono incerti e modellati come variabili casuali. Ottimizzando i costi attesi su una distribuzione di probabilità di scenari, la SLP produce decisioni che rimangono fattibili e quasi ottimali in una gamma di futuri possibili, piuttosto che per un singolo stato del mondo assunto.
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.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/it/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.
- Simulazione Monte CarloProcesso decisionale↔ compare
- Programmazione Lineare RobustaSimulazione↔ compare
- Programmazione Dinamica StocasticaSimulazione↔ compare
- Programmazione a Obiettivi StocasticaSimulazione↔ compare
- Programmazione Lineare Intera StocasticaSimulazione↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →