In the field of mathematical optimization, stochastic programming is a framework for modeling optimization problems that involve uncertainty. A stochastic program is an optimization problem in which some or all problem parameters are uncertain, but follow known probability distributions. This framework contrasts with deterministic optimization, in which all problem parameters are assumed to be known exactly. The goal of stochastic programming is to find a decision which both optimizes some criteria chosen by the decision maker, and appropriately accounts for the uncertainty of the problem parameters. Because many real-world decisions involve uncertainty, stochastic programming has found applications in a broad range of areas ranging from finance to transportation to energy optimization.
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - برمجة عشوائية (ar)
- 확률적 계획법 (ko)
- Stochastic programming (en)
- Стохастическое программирование (ru)
|
| rdfs:comment
| - في مجال النمذجة، تعتبر البرمجة العشوائيه الهيكل الاساسي لحل المشاكل المتعلقه بالنمذجة القائمة علي عدم التأكد. في حين ان مشاكل النمذجة المحدده تصاغ باستخدام بارامترات معلومه.ان مشاكل الواقع تشمل بعض البارامترات الغير معلومه، في حاله وقوع البارامترات ضمن حدود معينه ; يكون هناك طريقه واحدة لحل هذا النوع من المشاكل تسمى النمذجة القويه (Robust Optimization)الهدف من البرمجة العشوائيه هو العثور علي حل مناسب وأمثل لجميع البيانات. نماذج البرمجة العشوائيه متشابهه في الاسلوب لكن تأخذ في عين الاعتبار حقيقه ان التوزيعات الاحتماليه التي تحكم البيانات معلومه أو يمكن حسابها.الهدف هنا هو ايجاد خطه مناسبه لكل أو بالكاد كل البيانات وهذه الخطة تتوقع بعض القرارات والمتغيرات العشوائيه.عموما هذة النماذج تتم صياغتها وحلها نظريا وعدديا وتحليلها لتوفير معلومات مفيدة لمتخذي القرار. (ar)
- In the field of mathematical optimization, stochastic programming is a framework for modeling optimization problems that involve uncertainty. A stochastic program is an optimization problem in which some or all problem parameters are uncertain, but follow known probability distributions. This framework contrasts with deterministic optimization, in which all problem parameters are assumed to be known exactly. The goal of stochastic programming is to find a decision which both optimizes some criteria chosen by the decision maker, and appropriately accounts for the uncertainty of the problem parameters. Because many real-world decisions involve uncertainty, stochastic programming has found applications in a broad range of areas ranging from finance to transportation to energy optimization. (en)
- 수학적 최적화 분야에서 확률적 계획(確率的計劃, 영어: stochastic program 스토캐스틱 프로그램[*])은 일부 또는 모든 문제 매개변수가 불확실하지만 알려진 확률 분포를 따르는 최적화 문제이며 확률적 계획법(確率的計劃法, 영어: stochastic programming 스토캐스틱 프로그래밍[*])은 확률적 계획문제를 모델링하고 풀어내기 위한 프레임워크다. 확률적 계획법의 핵심은 불확실한 환경에서 최적의 의사결정을 찾는 것으로 결정적 최적화 (deterministic optimization)와 대조 된다. 확률적 계획법은 불확실성이 의사결정에 큰 영향을 끼치는 금융에서 운송, 에너지 최적화에 이르기까지 광범위한 분야에 적용되고 있다. (ko)
- Стохасти́ческое программи́рование — подход в математическом программировании, позволяющий учитывать неопределённость в оптимизационных моделях. В то время как детерминированные задачи оптимизации формулируются с использованием заданных параметров, реальные прикладные задачи обычно содержат некоторые неизвестные параметры. Когда параметры известны только в пределах определенных границ, один подход к решению таких проблем называется . Этот подход состоит в том, чтобы найти решение, которое является допустимым для всех таких данных и в некотором смысле оптимально. (ru)
|
| rdfs:seeAlso
| |
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| Link from a Wikipage to an external page
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - في مجال النمذجة، تعتبر البرمجة العشوائيه الهيكل الاساسي لحل المشاكل المتعلقه بالنمذجة القائمة علي عدم التأكد. في حين ان مشاكل النمذجة المحدده تصاغ باستخدام بارامترات معلومه.ان مشاكل الواقع تشمل بعض البارامترات الغير معلومه، في حاله وقوع البارامترات ضمن حدود معينه ; يكون هناك طريقه واحدة لحل هذا النوع من المشاكل تسمى النمذجة القويه (Robust Optimization)الهدف من البرمجة العشوائيه هو العثور علي حل مناسب وأمثل لجميع البيانات. نماذج البرمجة العشوائيه متشابهه في الاسلوب لكن تأخذ في عين الاعتبار حقيقه ان التوزيعات الاحتماليه التي تحكم البيانات معلومه أو يمكن حسابها.الهدف هنا هو ايجاد خطه مناسبه لكل أو بالكاد كل البيانات وهذه الخطة تتوقع بعض القرارات والمتغيرات العشوائيه.عموما هذة النماذج تتم صياغتها وحلها نظريا وعدديا وتحليلها لتوفير معلومات مفيدة لمتخذي القرار. (ar)
- In the field of mathematical optimization, stochastic programming is a framework for modeling optimization problems that involve uncertainty. A stochastic program is an optimization problem in which some or all problem parameters are uncertain, but follow known probability distributions. This framework contrasts with deterministic optimization, in which all problem parameters are assumed to be known exactly. The goal of stochastic programming is to find a decision which both optimizes some criteria chosen by the decision maker, and appropriately accounts for the uncertainty of the problem parameters. Because many real-world decisions involve uncertainty, stochastic programming has found applications in a broad range of areas ranging from finance to transportation to energy optimization. (en)
- 수학적 최적화 분야에서 확률적 계획(確率的計劃, 영어: stochastic program 스토캐스틱 프로그램[*])은 일부 또는 모든 문제 매개변수가 불확실하지만 알려진 확률 분포를 따르는 최적화 문제이며 확률적 계획법(確率的計劃法, 영어: stochastic programming 스토캐스틱 프로그래밍[*])은 확률적 계획문제를 모델링하고 풀어내기 위한 프레임워크다. 확률적 계획법의 핵심은 불확실한 환경에서 최적의 의사결정을 찾는 것으로 결정적 최적화 (deterministic optimization)와 대조 된다. 확률적 계획법은 불확실성이 의사결정에 큰 영향을 끼치는 금융에서 운송, 에너지 최적화에 이르기까지 광범위한 분야에 적용되고 있다. (ko)
- Стохасти́ческое программи́рование — подход в математическом программировании, позволяющий учитывать неопределённость в оптимизационных моделях. В то время как детерминированные задачи оптимизации формулируются с использованием заданных параметров, реальные прикладные задачи обычно содержат некоторые неизвестные параметры. Когда параметры известны только в пределах определенных границ, один подход к решению таких проблем называется . Этот подход состоит в том, чтобы найти решение, которое является допустимым для всех таких данных и в некотором смысле оптимально. Модели стохастического программирования имеют подобный вид, но используют знание распределений вероятностей для данных или их оценок. Цель здесь состоит в том, чтобы найти некоторое решение, которое является допустимым для всех (или почти всех) возможных значений данных и максимизируют математическое ожидание некоторой функции решений и случайных переменных. В общем, такие модели формулируются, решаются аналитически или численно, их результаты анализируются, чтобы обеспечить полезную информацию для лиц, принимающих решения. Наиболее широко применяются и хорошо изучены двухэтапные линейные модели стохастического программирования. Здесь лицо, принимающее решение, предпринимает некоторое действие на первом этапе, после которого происходит случайное событие, оказывающее влияние на результат решения первого этапа. На втором этапе может тогда быть принято корректирующее решение, которое компенсирует любые нежелательные эффекты в результате решения первого этапа. Оптимальным решением такой модели является единственное решение первого этапа и множество корректирующих решений (решающих правил), определяющих, какое действие должно быть предпринято на втором этапе в ответ на каждый случайный результат. (ru)
|
| gold:hypernym
| |
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is rdfs:seeAlso
of | |
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)
![[RDF Data]](/fct/images/sw-rdf-blue.png)