Стохастичне змішано-цілочисельне програмування — Оптимізація за умов невизначеності з дискретними та неперервними рішеннями
Стохастичне змішано-цілочисельне програмування (SMIP) — це оптимізаційна структура, яка знаходить найкраще поєднання бінарних, цілочисельних та неперервних рішень, коли ключові параметри — витрати, попит, потужності — є невизначеними та моделюються як розподіли ймовірностей над множиною сценаріїв. Воно розширює класичне MIP шляхом вбудовування дерев сценаріїв або цільових функцій з очікуваним значенням, які страхують від невизначеності, дотримуючись при цьому комбінаторних обмежень.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Birge, J. R., & Louveaux, F. (1997). Introduction to Stochastic Programming. Springer Series in Operations Research. New York: Springer. ISBN: 9780387982175
- Sen, S., & Higle, J. L. (2005). The C3 theorem and a D2 algorithm for large scale stochastic mixed-integer programming: Set convexification. Mathematical Programming, 104(1), 1–20. DOI: 10.1007/s10107-004-0566-z ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Stochastic Mixed-Integer Programming (SMIP). ScholarGate. https://scholargate.app/uk/simulation/stochastic-mixed-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.
- Змішано-цілочисельне програмуванняІмітаційне моделювання↔ compare
- Метод Монте-КарлоПрийняття рішень↔ compare
- Стохастичне динамічне програмуванняІмітаційне моделювання↔ compare
- Стохастичне лінійне програмуванняІмітаційне моделювання↔ compare
- Стохастична багатоцільова оптимізаціяІмітаційне моделювання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →