Стохастическое целочисленное программирование — оптимизация дискретных решений в условиях неопределенности
Стохастическое целочисленное программирование (СЦП) — это оптимизационная парадигма, которая сочетает целочисленные (дискретные) переменные решения с явным вероятностным моделированием неопределенности. Оно направлено на поиск наилучшего «здесь-и-сейчас» решения, которое минимизирует ожидаемые затраты (или максимизирует ожидаемую выгоду) по распределению будущих сценариев, учитывая тот факт, что некоторые решения должны быть приняты до разрешения неопределенности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/ru/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.
- Смешанное целочисленное программированиеИмитационное моделирование↔ compare
- Робастное целочисленное программированиеИмитационное моделирование↔ compare
- Стохастическое динамическое программированиеИмитационное моделирование↔ compare
- Стохастическое линейное программированиеИмитационное моделирование↔ compare
- Стохастическое смешанно-целочисленное программированиеИмитационное моделирование↔ compare
- Стохастическая многокритериальная оптимизацияИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →