Pengaturcaraan Integer Bercampur Stokastik — Pengoptimuman di Bawah Ketidakpastian dengan Keputusan Diskrit dan Berterusan
Pengaturcaraan Integer Bercampur Stokastik (SMIP) ialah rangka kerja pengoptimuman yang mencari gabungan terbaik keputusan perduaan, integer, dan berterusan apabila parameter utama — kos, permintaan, kapasiti — tidak pasti dan dimodelkan sebagai taburan kebarangkalian merentasi satu set senario. Ia melanjutkan MIP klasik dengan menyematkan pokok senario atau objektif nilai jangkaan yang melindungi daripada ketidakpastian sambil mematuhi kekangan kombinatorial.
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
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer Series in Operations Research. New York: Springer. ISBN: 9780387982175
- Sen, S., & Higle, J. L. (2005). The C3 theorem and a D2 algorithm for large scale stochastic mixed-integer programming: Set convexification. Mathematical Programming, 104(1), 1–20. DOI: 10.1007/s10107-004-0566-z ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/ms/simulation/stochastic-mixed-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.
- Pengaturcaraan Integer CampuranSimulasi↔ compare
- Simulasi Monte CarloPembuatan Keputusan↔ compare
- Pengaturcaraan Dinamik StokastikSimulasi↔ compare
- Pengaturcaraan Linear StokastikSimulasi↔ compare
- Pengoptimuman Pelbagai Objektif StokastikSimulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →