Stohastiskā mērķprogramēšana — vairāku mērķu optimizēšana nenoteiktības apstākļos
Stohastiskā mērķprogramēšana (SGP) paplašina klasisko mērķprogramēšanu, lai risinātu nenoteiktību mērķu vērtībās, ierobežojumu koeficientos vai labās puses parametros. Iekļaujot probabilistiskus ierobežojumus un stohastiskas mērķa funkcijas komponentes, tā atrod risinājumus, kas apmierina vairākus mērķus pie pieņemamiem varbūtības līmeņiem, padarot to piemērotu lēmumu problēmām, kurās dati ir dabiski nenoteikti vai mainīgi.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Stochastic Goal Programming. ScholarGate. https://scholargate.app/lv/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.
- MērķprogramēšanaLēmumu pieņemšana↔ compare
- Daudzobjektīvā mērķa programmēšanaSimulācija↔ compare
- Robust Goal Programming (RGP)Simulācija↔ compare
- Stochastic Integer ProgrammingSimulācija↔ compare
- Stochastic Linear ProgrammingSimulācija↔ compare
- Stochastic Multi-Objective OptimizationSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →