MCDMRankingcrisp

Метод Монте-Карло — Распространение стохастической неопределенности через модель многокритериального принятия решений (MCDM)

Метод Монте-Карло (MONTE-CARLO-SIMULATION — Распространение стохастической неопределенности через модель многокритериального принятия решений (MCDM)) — это метод ранжирования в рамках многокритериального принятия решений (MCDM), представленный Metropolis, N., Ulam, S. в 1949 году. Он преобразует матрицу решений альтернатив, оцененных по нескольким критериям, в структурированный, воспроизводимый результат.

Применить в DecisionMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

+80 more

Источники

  1. Metropolis, N., Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association DOI: 10.1080/01621459.1949.10483310

Как цитировать эту страницу

ScholarGate. (2026, June 2). Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model. ScholarGate. https://scholargate.app/ru/decision-making/monte-carlo-simulation

Упоминается в

Агентно-событийное дискретно-событийное моделированиеАгентное моделирование (АМ)Агентное моделирование очередейАгентный анализ сценариевАгентно-ориентированный анализ чувствительностиПриближенное байесовское вычислениеБайесовское моделирование на основе агентовБайесовские клеточные автоматыБайесовское дискретно-событийное моделированиеБайесовская Марковская МодельБайесовское микромоделированиеБайесовское моделирование методом Монте-КарлоБайесовское моделирование очередейБайесовский сценарный анализБайесовский анализ чувствительностиСистемная динамика с байесовским подходомБутстреп-симуляцияКлеточные автоматыДетерминированные клеточные автоматыДетерминированная Марковская модельДетерминированное микромоделированиеДетерминистический анализ сценариевДетерминистический анализ чувствительностиЦифровой двойникИмитационное моделирование дискретного выбораИмитационное моделирование дискретных событий (DES)Имитационное моделирование дискретно-событийных системГлобальный анализ чувствительностиГибридный анализ надежностиВажностное семплированиеОценка методом джекknifeЛатинское гиперкубическое проектированиеМарковские цепи Монте-Карло (MCMC)Модель МарковаМикросимуляцияМногокритериальная дискретно-событийная имитацияМногокритериальная микросимуляцияMulti-objective sensitivity analysisМногоуровневая Монте-Карло симуляцияАгентное моделирование сценариев политикиАнализ политических сценариевИмитационное моделирование дискретно-событийных сценариев политикиМикросимуляционное моделирование политических сценариевМоделирование методом Монте-Карло для сценарного анализа политикиАнализ чувствительности политических сценариевВероятностный анализ сейсмической опасности (PSHA)Имитационное моделирование систем массового обслуживанияМетод Тагучи, ориентированный на рискРобастное моделирование на основе агентовРобастное дискретно-событийное моделированиеРобастная модель МарковаРобастное (устойчивое) микромоделированиеРобастное моделирование методом Монте-КарлоРобастное моделирование очередейРобастный сценарный анализРобастный анализ чувствительностиАнализ сценариев и имитационное моделирование «что-если»Анализ чувствительности с анализом дерева отказовАнализ чувствительности с анализом возможностей процессаАнализ чувствительности с анализом первопричинСимуляционное каузально-сравнительное исследованиеИсследование с подтверждением гипотез с помощью моделированияУправляющая карта с поддержкой имитационного моделированияСимуляционное кросс-секционное исследованиеДизайн с использованием симуляции ex post factoАнализ видов и последствий отказов с помощью моделированияМоделирование с поддержкой анализа дерева отказовИсследование с проверкой гипотез при помощи моделированияАнализ возможностей процесса с помощью моделированияКоличественный контент-анализ с использованием симуляцииАнализ надежности с помощью моделированияСтатистический контроль процессов с помощью имитационного моделированияИсследование тенденций с помощью симуляцииСтохастические клеточные автоматыСтохастические дифференциальные уравнения (СДУ)Стохастическое дискретно-событийное моделированиеСтохастическое динамическое программированиеСтохастическое линейное программированиеСтохастическая марковская модельСтохастическое микромоделированиеСтохастическое смешанно-целочисленное программированиеСтохастическая многокритериальная оптимизацияСтохастическое моделирование очередейСтохастический сценарный анализСтохастический анализ чувствительностиСтохастическая системная динамикаСистемная динамикаКоличественная оценка неопределенностиValue at Risk (VaR)Методы снижения дисперсии для моделирования методом Монте-Карло
ScholarGateMONTE-CARLO-SIMULATION (Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model). Получено 2026-06-15 из https://scholargate.app/ru/decision-making/monte-carlo-simulation · Набор данных: https://doi.org/10.5281/zenodo.20539026