1) stochastic programming
随机规划
1.
On stochastic programming model with recourse and chance control;
机会可控的补偿随机规划模型
2.
Optimal Design of Integrated Logistics Networks for Hybrid Manufacturing/Remanufacturing Systems Based on Two-stage Stochastic Programming;
基于二阶段随机规划的制造/再制造集成物流网络优化设计
3.
The upper semiconvergence of the optimal solution set of approximations for stochastic programming;
随机规划逼近最优解集的上半收敛性
2) random programming
随机规划
1.
Approximation algorithm on relating probability restraint with two layer random programming problem;
具有概率约束的二层随机规划的逼近算法
3) stochastic programs
随机规划
1.
By Monte Carlo simulation-based approximations of the objective functionand its first derivative, an sequential systems of linear equations(SSLE) algorithm isproposed for the stochastic programs with recourse.
通过利用Monte Carlo 模拟方法近似目标函数及其梯度,给出了带有补偿的随机规划问题的一个序列线性方程组(简称SSLE)算法。
2.
Algorithms based on Monte Carlo sampling both of objective and constraint functions are presented for solving convex stochastic programs,and their convergence theorems are given.
基于对目标函数和约束函数的同时抽样,给出求解凸随机规划的Monte Carlo模拟的算法及其收敛性。
4) stochastic program
随机规划
1.
On integrated chance constraints model of stochastic program;
随机规划的合成机会约束模型
2.
The stochastic program model of this problem is constructed.
研究了一类有时间约束、车辆数量不确定的随机车辆路径问题;建立了该类问题的随机规划数学模型;设计了模型求解的遗传算法、禁忌搜索算法和遗传-禁忌混合算法。
3.
Two-stage stochastic program with recourse (2S - SP) is an important kind of stochastic programs.
二(多)阶段有补偿问题是随机规划的一个重要分类,以往的研究多局限于讨论解的计算方法与实现。
5) Stochastic programming
随机规划法
1.
Stochastic programming application in available transfer capability estimation;
用随机规划法计算可用传输容量
6) stochastic convex programming
随机凸规划
1.
In this paper,the author extends directly adaptive multicut aggregation method of Svyatoslav Trukhanov,Lewis Ntaimo and Andrew Schaefer to solving two stage problems of stochastic convex programming with recourse.
将Svyatoslav Trukhanov,Lewis Ntaimo和Andrew Schaefer的自适应多切割算法推广到了带补偿的两阶段随机凸规划问题上。
补充资料：随机规划
随机规划
stochastic programming
随机规tlJ[劝叱恤拓e，呢佃n例雌;e功xac，，eeKoenP0rP脚M“POBaM“e」 数学规划(Inatherr必ti口1 Pro邵lmlling)的一个分支，它研究对问题的目标和限制给出不完全信息的条件极值问题的求解理论和方法.’随机规划框架中包括控制、计划和设计的许多实际问题.随机规划方法也能用于其运作介质的状态中有随机变化的适应系统和算法.随机最优化模型通常对于解的选择比极值问题的确定性陈述更符合现实条件.为了构造控制系统的合理随机模型，不仅必须对条件的随机参数的统计特征有处理，并目_也对在信息人口储存和运用的次序上，所容许的解的顺序上以及对于解的质量要求上有处理.随机问题分为单阶段、二阶段和多阶段问题. 在随机规划的单阶段l司题(51119】e一slage Problem)中，初始信息进人的动态特性不起作用，解被一次性接受，不被校正.单阶段问题根据目标泛函的类型、限制的特征和解的形式来分类.最经常运用的目标泛函是落人一定的、一般是随机的区域的概率(尸模型(P一model))和解的某个函数的数学期望或方差(分别是M模型(M一伽del)和V模型(V~m。〔lel)).随机规划问题的单阶段问题的可行解区域由刚性的、概率的或统计的限制来确定.对于所有(或几乎所有)实现都必须满足的问题的限制称为刚性的(rigid).随机问题的限制称为概率的(prohabilistic)，如果在问题的条件中容许以不高于给定值的概率来接受的离差.限制称为统计的(statistical)，如果根据问题的适当内容只要求它们平均满足. 单阶段问题也根据解在初始数据的实现的观察前还是后来接受而有所区别.在第一种情形下，解以确定性向量的形式来定义，而在第二种情形下，则以“决策原理”白勺形式来定义，后者是问题条件的随机参数的函数. 关于随机规划的单阶段问题的解法(solutionme-tll浏for slllgle一s七lge problel拙)的研究分为直接法和间接法.直接法是迭代过程，使得人们由观察条件的逐次实现来逼近问题的解.直接法在内容丰富的术语中被解释为适应方法.这些方法是所谓随机逼近(stoclza~stic approxlnlation)模式的推广.间接法归结为构造随机问题的确定性等价物，且利用确定性数学规划的已知方法.无论是直接法还是间接法，在其确定性等价物是凸规划(convex progmmllling)问题的情形下，都是有效的. 随机规划的二阶段问题(two一stage prob】elll)是在不完全信息条件下的控制过程的最为流行的模型.二阶段模型被推广为包括不同信息结构的随机问题，其中信息结构反映收集信息以及解的选择和校正的可能的动态面貌.多阶段随机模型的理论特别是被包括在MapKoB规划(见，例如，【6」)以及随机离散最优控制中. 随机规划的理论和方法已经被推广到一系列随机最优控制类中(见【5」).
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条