Pengaturcaraan Linear Stokastik — Pengoptimuman di bawah Ketidakpastian dengan Parameter Rawak
Pengaturcaraan Linear Stokastik (SLP) meluaskan pengaturcaraan linear klasik kepada tetapan di mana beberapa parameter model — kos, permintaan, ketersediaan sumber — tidak pasti dan dimodelkan sebagai pembolehubah rawak. Dengan mengoptimumkan kos jangkaan merentasi taburan kebarangkalian senario, SLP menghasilkan keputusan yang kekal boleh laksana dan hampir optimum merentasi julat masa depan yang mungkin, bukannya untuk satu keadaan dunia yang diandaikan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/ms/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.
- Simulasi Monte CarloPembuatan Keputusan↔ compare
- Pengaturcaraan Linear RobustSimulasi↔ compare
- Pengaturcaraan Dinamik StokastikSimulasi↔ compare
- Pengaturcaraan Matlamat StokastikSimulasi↔ compare
- Pengaturcaraan Integer Bercampur StokastikSimulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →