การโปรแกรมจำนวนเต็มแบบสุ่ม — การหาค่าเหมาะสมที่สุดของการตัดสินใจแบบไม่ต่อเนื่องภายใต้ความไม่แน่นอน
การโปรแกรมจำนวนเต็มแบบสุ่ม (Stochastic Integer Programming - SIP) เป็นกรอบการหาค่าเหมาะสมที่สุดที่รวมตัวแปรตัดสินใจแบบจำนวนเต็ม (ไม่ต่อเนื่อง) เข้ากับการสร้างแบบจำลองความไม่แน่นอนเชิงความน่าจะเป็นอย่างชัดเจน โดยมีเป้าหมายเพื่อหาการตัดสินใจที่ดีที่สุดในปัจจุบัน (here-and-now decision) ที่ทำให้ต้นทุนคาดหวังต่ำที่สุด (หรือผลประโยชน์คาดหวังสูงสุด) ตลอดการกระจายของสถานการณ์ในอนาคต โดยคำนึงถึงข้อเท็จจริงที่ว่าการตัดสินใจบางอย่างต้องทำก่อนที่ความไม่แน่นอนจะคลี่คลาย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Stochastic Integer Programming (SIP). ScholarGate. https://scholargate.app/th/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.
- การโปรแกรมจำนวนเต็มผสมการจำลอง↔ compare
- การโปรแกรมจำนวนเต็มแบบคงทนการจำลอง↔ compare
- Stochastic Dynamic Programmingการจำลอง↔ compare
- การโปรแกรมเชิงเส้นเชิงสุ่มการจำลอง↔ compare
- การโปรแกรมเชิงจำนวนเต็มผสมเชิงสุ่มการจำลอง↔ compare
- การหาค่าเหมาะที่สุดหลายวัตถุประสงค์เชิงสุ่มการจำลอง↔ compare