Programação Inteira Estocástica — Otimização Sob Incerteza com Decisões Discretas e Contínuas
Programação Inteira Estocástica (PIE) é um arcabouço de otimização que encontra a melhor combinação de decisões binárias, inteiras e contínuas quando parâmetros chave — custos, demandas, capacidades — são incertos e modelados como distribuições de probabilidade sobre um conjunto de cenários. Estende a Programação Inteira Clássica (PIC) incorporando árvores de cenários ou objetivos de valor esperado que se protegem contra a incerteza, ao mesmo tempo que respeitam restrições combinatórias.
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.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/pt/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.
- Programação Inteira MistaSimulação↔ compare
- Simulação de Monte CarloTomada de decisão↔ compare
- Programação Dinâmica EstocásticaSimulação↔ compare
- Programação Linear EstocásticaSimulação↔ compare
- Otimização Estocástica Multi-ObjetivoSimulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →