2022 | OriginalPaper | Buchkapitel
Stochastische Optimierung
verfasst von : Stefan Nickel, Steffen Rebennack, Oliver Stein, Karl-Heinz Waldmann
Erschienen in: Operations Research
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Bisher haben wir Optimierungsprobleme betrachtet, in denen die vorkommenden Daten zum Zeitpunkt der Entscheidungsfindung sicher gegeben sind. Wie werden aber „optimale“ Entscheidungen bei unsicheren (stochastischen) Daten getroffen? Wann ist eine Entscheidung bei unsicheren Daten überhaupt „optimal“? Ist es ein sinnvoller Ansatz, die unsicheren Daten einfach mit deren Erwartungswerten zu ersetzen und das resultierende deterministische Optimierungsproblem zu lösen? Mit diesen Fragen werden wir uns unter anderem in diesem Kapitel beschäftigen.