Programowanie stochastyczne z ograniczeniami całkowitoliczbowymi — optymalizacja decyzji dyskretnych w warunkach niepewności
Programowanie stochastyczne z ograniczeniami całkowitoliczbowymi (SIP) to ramy optymalizacyjne łączące zmienne decyzyjne całkowitoliczbowe (dyskretne) z jawnym modelowaniem probabilistycznym niepewności. Dąży ono do znalezienia najlepszej decyzji „tu i teraz”, która minimalizuje oczekiwany koszt (lub maksymalizuje oczekiwane korzyści) w całym rozkładzie przyszłych scenariuszy, uwzględniając fakt, że niektóre decyzje muszą zostać podjęte przed ujawnieniem niepewności.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Źródła
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer, New York. ISBN: 978-1-4614-0237-4
- Kleywegt, A. J., Shapiro, A., & Homem-de-Mello, T. (2002). The sample average approximation method for stochastic discrete optimization. SIAM Journal on Optimization, 12(2), 479-502. DOI: 10.1137/S1052623499363220 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/pl/simulation/stochastic-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.
- Programowanie całkowitoliczboweSymulacja↔ compare
- Programowanie całkowitoliczbowe odporneSymulacja↔ compare
- Programowanie stochastyczne dynamiczneSymulacja↔ compare
- Programowanie stochastyczne linioweSymulacja↔ compare
- Programowanie stochastyczne z ograniczeniami całkowitoliczbowymiSymulacja↔ compare
- Stochastyczna Optymalizacja WielokryterialnaSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →