In thispaper we study a Monte Carlo

In thispaper we study a Monte Carlo simulation--based approach to stochastic discrete optimization problems. The basic idea of such methods is that a random sample is generated and the expected value function is approximated by the corresponding sample average function. The obtained sample average optimization problem is solved, and the procedure is repeated several times until a stopping criterion is satisfied. We discuss convergence rates, stopping rules, and computational complexity of this procedure and present a numerical example for the stochastic knapsack problem.


Read More: http://epubs.siam.org/doi/abs/10.1137/S1052623499363220

ผลลัพธ์ (ไทย) 1:

ใน thispaper เราเรียนจำลอง Carlo มอน - วิธีตามปัญหาเพิ่มประสิทธิภาพเดี่ยว ๆ แบบเฟ้นสุ่ม ความคิดพื้นฐานของวิธีการดังกล่าวคือ มีสร้างตัวอย่างสุ่ม และฟังก์ชันการคาดจะเลียนแบบ โดยตรงตัวอย่างฟังก์ชัน average แก้ไขปัญหาปรับค่าเฉลี่ยตัวอย่างได้รับ และขั้นตอนซ้ำหลาย ๆ ครั้งจนพอเงื่อนไขการหยุด เราสนทนาราคาบรรจบกัน กฎการหยุด และคำนวณความซับซ้อนของกระบวนการนี้ และนำเสนอเป็นตัวอย่างที่เป็นตัวเลขสำหรับปัญหา knapsack สโทแคสติกอ่านเพิ่มเติม: http://epubs.siam.org/doi/abs/10.1137/S1052623499363220

ผลลัพธ์ (ไทย) 2:

ใน thispaper เราศึกษาแบบจำลอง Monte Carlo - ตามแนวทางการสุ่มปัญหาการเพิ่มประสิทธิภาพที่ไม่ต่อเนื่อง แนวคิดพื้นฐานของวิธีการดังกล่าวคือตัวอย่างที่สุ่มถูกสร้างขึ้นและฟังก์ชั่นมูลค่าที่คาดว่าจะเป็นห้วงโดยฟังก์ชันตัวอย่างเฉลี่ยที่สอดคล้องกัน ปัญหาที่เกิดขึ้นได้รับการเพิ่มประสิทธิภาพตัวอย่างเฉลี่ยจะแก้ไขและขั้นตอนซ้ำแล้วซ้ำอีกหลายครั้งจนเกณฑ์การหยุดคือความพึงพอใจ เราหารืออัตราบรรจบหยุดกฎและคอมพิวเตอร์ที่ซับซ้อนของขั้นตอนนี้และนำเสนอตัวอย่างเช่นตัวเลขสำหรับปัญหาที่เกิดขึ้นเป้สุ่ม. อ่านเพิ่มเติม: http://epubs.siam.org/doi/abs/10.1137/S1052623499363220

ผลลัพธ์ (ไทย) 3:

ในความหมายเราศึกษาการจำลองมอนติคาร์โล -- วิธีการที่ใช้ปัญหาการเพิ่มประสิทธิภาพแบบสุ่มสร้าง ความคิดพื้นฐานของวิธีการดังกล่าวคือตัวอย่างสุ่มจะถูกสร้างขึ้น และคาดว่ามูลค่างานโดยประมาณ โดยเฉลี่ยที่ใช้ฟังก์ชัน วิเคราะห์ตัวอย่างโดยเฉลี่ยที่เหมาะสมปัญหาจะคลี่คลายและกระบวนการซ้ำหลายครั้งจนกว่าเกณฑ์หยุดเป็นพอใจ เราได้กล่าวถึงอัตราการลู่เข้าหยุดกฎ คอมพิวเตอร์และความซับซ้อนของขั้นตอนนี้และปัจจุบัน ตัวอย่างเชิงตัวเลขสำหรับปัญหาเป้ Stochastic


อ่านเพิ่มเติม : http://epubs.siam.org/doi/abs/10.1137/s1052623499363220