Programação Inteira Estocástica — Otimizando Decisões Discretas Sob Incerteza
Programação Inteira Estocástica (SIP) é uma estrutura de otimização que combina variáveis de decisão inteiras (discretas) com modelagem probabilística explícita da incerteza. Ela busca a melhor decisão "aqui e agora" que minimiza o custo esperado (ou maximiza o benefício esperado) em uma distribuição de cenários futuros, considerando o fato de que algumas decisões devem ser tomadas antes que a incerteza seja resolvida.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/pt/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.
- Programação Inteira MistaSimulação↔ compare
- Programação Inteira RobustaSimulação↔ compare
- Programação Dinâmica EstocásticaSimulação↔ compare
- Programação Linear EstocásticaSimulação↔ compare
- Programação Inteira EstocásticaSimulação↔ compare
- Otimização Estocástica Multi-ObjetivoSimulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →