การโปรแกรมเชิงเส้นเชิงสุ่ม — การปรับให้เหมาะสมภายใต้ความไม่แน่นอนด้วยพารามิเตอร์สุ่ม
การโปรแกรมเชิงเส้นเชิงสุ่ม (Stochastic Linear Programming หรือ SLP) เป็นการขยายแนวคิดของการโปรแกรมเชิงเส้นแบบดั้งเดิมไปสู่สถานการณ์ที่พารามิเตอร์บางตัวของแบบจำลอง เช่น ต้นทุน ความต้องการ หรือความพร้อมของทรัพยากร มีความไม่แน่นอนและถูกจำลองเป็นตัวแปรสุ่ม โดยการปรับให้เหมาะสมกับต้นทุนที่คาดหวังภายใต้การแจกแจงความน่าจะเป็นของสถานการณ์ต่าง ๆ SLP จะสร้างการตัดสินใจที่ยังคงเป็นไปได้และใกล้เคียงค่าเหมาะสมที่สุดในอนาคตที่เป็นไปได้หลากหลายรูปแบบ แทนที่จะเป็นเพียงสถานะเดียวที่สมมติขึ้น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Dantzig, G. B., & Madansky, A. (1961). On the solution of two-stage linear programs under uncertainty. Proceedings of the Fourth Berkeley Symposium on Mathematical Statistics and Probability, 1, 165–176. link ↗
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer, New York. ISBN: 9780387982175
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Stochastic Linear Programming — Optimization under uncertainty with random parameters. ScholarGate. https://scholargate.app/th/simulation/stochastic-linear-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.
- การจำลองแบบมอนติคาร์โลการตัดสินใจ↔ compare
- การโปรแกรมเชิงเส้นแบบทนทานการจำลอง↔ compare
- Stochastic Dynamic Programmingการจำลอง↔ compare
- การตั้งโปรแกรมเป้าหมายเชิงสุ่มการจำลอง↔ compare
- การโปรแกรมเชิงจำนวนเต็มผสมเชิงสุ่มการจำลอง↔ compare