Programowanie stochastyczne liniowe — optymalizacja w warunkach niepewności z parametrami losowymi
Programowanie stochastyczne liniowe (SLP) rozszerza klasyczne programowanie liniowe na sytuacje, w których niektóre parametry modelu — koszty, popyty, dostępność zasobów — są niepewne i modelowane jako zmienne losowe. Optymalizując oczekiwane koszty w odniesieniu do rozkładu prawdopodobieństwa scenariuszy, SLP generuje decyzje, które pozostają wykonalne i bliskie optymalnym w różnych możliwych przyszłościach, a nie dla jednego założonego stanu świata.
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.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/pl/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.
- Symulacja Monte CarloPodejmowanie decyzji↔ compare
- Solidne programowanie linioweSymulacja↔ compare
- Programowanie stochastyczne dynamiczneSymulacja↔ compare
- Programowanie Celów StochastycznychSymulacja↔ compare
- Programowanie stochastyczne z ograniczeniami całkowitoliczbowymiSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →