Programare Stocastică cu Numere Întregi Mixt — Optimizare sub Incertitudine cu Decizii Discrete și Continue
Programarea Stocastică cu Numere Întregi Mixt (SMIP) este un cadru de optimizare care găsește combinația optimă de decizii binare, întregi și continue atunci când parametrii cheie — costuri, cereri, capacități — sunt incerți și modelați ca distribuții de probabilitate pe un set de scenarii. Extinde programarea clasică cu numere întregi mixte (MIP) prin încorporarea arborilor de scenarii sau a obiectivelor bazate pe valoarea așteptată, care se protejează împotriva incertitudinii, respectând în același timp constrângerile combinatorii.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/ro/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.
- Programare liniară mixtă cu variabile întregiSimulare↔ compare
- Simulare Monte CarloLuarea deciziilor↔ compare
- Programarea Dinamică StocasticăSimulare↔ compare
- Programare Liniară StocasticăSimulare↔ compare
- Optimizare Stocastică Multi-ObiectivSimulare↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →