Importance sampling in stochastic programming , a markov chain monte carlo approach

Importance sampling in stochastic programming , a markov chain monte carlo approach

Los modelos de programacin̤ estocs̀tica son problemas de optimizacin̤ a gran escala que se usan para facilitar la toma de decisiones bajo incertidumbre. Los algoritmos de optimizacin̤ para tales problemas necesitan evaluar los costos futuros esperados de decisiones presentes, a menudo referidos como...

Descripción completa

Guardado en:
Detalles Bibliográficos
Otros Autores: Parpas Panos, Ustun Berk, Webster Mort, Kha Tran Quang, Massachusetts Institute of Technology (MIT)
Formato: Libro
Lenguaje:inglés
Materias:
Algoritmos (Computadores)
Administracin̤
Investigacin̤ operacional
Programacin̤ (Computadores electrn̤icos)
Computer algorithms
Management
Operations research
Programming (Electronic computer)
Ciencias de la administracin̤
Optimizacin̤ estocs̀tica
Programacin̤ estocs̀tica
Descomposicin̤ de Benders
Algoritmos de plano cortante
muestreo de importancia
Reduccin̤ de varianza
Mťodos de monte carlo
Cadenas de markov
Estimacin̤ de densidad de nc͠leo
Funcin̤ con recurso
Administration sciences
Stochastic optimization
Stochastic programming
Benders decomposition
Cutting plane algorithms
Importance sampling
Variance reduction
Monte carlo methods
Markov chains
Core density estimation
Resource function
Acceso en línea:Importance sampling in stochastic programming , a markov chain monte carlo approach
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

Importance sampling in stochastic programming , a markov chain monte carlo approach

Ejemplares similares