Stochastic Linear Programming — Optimizācija nenoteiktības apstākļos ar nejaušiem parametriem
Stochastic Linear Programming (SLP) paplašina klasisko lineāro programmēšanu situācijām, kurās daži modelēšanas parametri — izmaksas, pieprasījums, resursu pieejamība — ir nenoteikti un modelēti kā nejauši mainīgie. Optimizējot paredzamās izmaksas attiecībā pret scenāriju varbūtību sadalījumu, SLP rada lēmumus, kas paliek izpildāmi un gandrīz optimāli dažādās iespējamās nākotnēs, nevis vienā pieņemtajā pasaules stāvoklī.
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
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/lv/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.
- Monte Carlo simulācijaLēmumu pieņemšana↔ compare
- Robustā lineārā programmēšanaSimulācija↔ compare
- Stochastic Dynamic ProgrammingSimulācija↔ compare
- Stohastiskā mērķprogramēšanaSimulācija↔ compare
- Stochastic Mixed-Integer ProgrammingSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →