Stokastisk heltalsoptimering — Optimering av diskreta beslut under osäkerhet
Stokastisk heltalsoptimering (SIP) är ett optimeringsramverk som kombinerar heltalsvariabler (diskreta) med explicit probabilistisk modellering av osäkerhet. Det syftar till att finna det bästa här-och-nu-beslutet som minimerar förväntad kostnad (eller maximerar förväntad nytta) över en fördelning av framtida scenarier, med hänsyn till att vissa beslut måste fattas innan osäkerheten är löst.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/sv/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.
- HeltalsoptimeringSimulering↔ compare
- Robust Integer ProgrammingSimulering↔ compare
- Stokastisk dynamisk programmeringSimulering↔ compare
- Stokastisk linjär programmeringSimulering↔ compare
- Stokastisk Mixed-Integer ProgrammingSimulering↔ compare
- Stokastisk multiobjektiv optimeringSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →