Hva er stokastisk programmering?

April 9  by Eliza

Stokastisk programmering håndterer komplekse matematiske optimerings spørsmål hvor ukjente variabler skaper en rekke mulige løsninger. Dette kan innebære å ta en modell gjennom en rekke trinn, som hver kan påvirkes av separate variabler. Matematikere kan bruke dette til problemer knyttet til beslutningsprosesser, ressursallokering, og lignende aktiviteter. Det er også en gjenstand for akademiske studier, der forskere arbeider med utvikling av nye og mer effektive stokastisk programmering modeller å gjelde virkelige situasjoner.

Optimeringsproblemer kan bli svært komplisert. I de grunnleggende former, er alle kjente variabler, som gjør det mulig å kjøre dem gjennom en ligning for å regne ut den mest hensiktsmessige løsning. Dette er vanligvis ikke mulig med en situasjon hvor parametrene er mindre sikker, og ukjente variabler kan ha en innflytelse på resultatet. Stokastisk programmerere avhengige av en sannsynlighetsfordeling for å anslå omfanget av variablene og anvende denne til ligningen.

Vanlige eksempler kan komme opp i matematisk modellering av hendelser i naturen. Når sommerfugler legger egg, for eksempel, de ønsker å optimalisere sjansene for klekking og utvikler seg til larver og deretter voksne sommerfugler. En stokastisk programmering modell kan gi informasjon om de beste seriene av beslutninger sommerfuglen kan gjøre. Variabler kan inkludere predasjon, temperaturendringer, og andre problemer som hemmer klekking eller drepe larvene før de blir voksne. Matematikeren kan arbeide gjennom en rekke trinn for å optimalisere problemet.

Beslutninger på hvert trinn kan kutte eller åpne opp vedtak på neste. Stokastisk programmering må være fleksibel for å nå den optimale løsningen, mens de fortsatt imponerende litt orden på de beslutningene for å gjøre det mulig å kvantifisere dem i et matematisk problem. Kompleksitetsnivå kan avhenge av problemet; noen er rett og slett lagt ut i to trinn, mens andre kan innebære multipler. For hver fase, er det mulig å bestemme den optimale løsningen, og for å vurdere virkningen det vil ha på beslutnings langs linjen.

Forskere kan bruke dette verktøyet på en rekke måter, fra å analysere dyrs atferd til å se på prosessene bak beslutninger i næringslivet. Den kan også brukes for matematisk modellering for å støtte beslutninger i innstillinger som business. Verdipapirer handelsmenn, for eksempel, kan vurdere stokastisk programmering som en av de verktøyene som er tilgjengelige for å utforske optimale løsninger på problemer. Analytikere kan utføre beregninger av denne art, eller kan bruke programmer som tillater dem å sette problemer opp automatisk og kjøre dem gjennom en rekke mulige scenarier.

  • Stokastisk programmering håndterer komplekse matematiske optimerings spørsmål hvor ukjente variabler skaper en rekke mulige løsninger.