Stokastinen ohjelmointi on matemaattisen ohjelmoinnin lähestymistapa, jonka avulla voit ottaa huomioon epävarmuuden optimointimalleissa.
Vaikka deterministiset optimointiongelmat muotoillaan tiettyjen parametrien avulla, todelliset sovelletut ongelmat sisältävät yleensä joitain tuntemattomia parametreja. Kun parametrit tunnetaan vain tietyissä rajoissa, yhtä lähestymistapaa tällaisten ongelmien ratkaisemiseen kutsutaan robustiksi optimoinniksi . Tämä lähestymistapa on löytää ratkaisu, joka on toteuttamiskelpoinen kaikille sellaisille tiedoille ja jossain mielessä optimaalinen.
Stokastiset ohjelmointimallit ovat samanlaisia, mutta käyttävät tietoa todennäköisyysjakaumista datan tai sen arvioiden osalta. Tavoitteena on löytää ratkaisu, joka on voimassa kaikille (tai lähes kaikille) mahdollisille data-arvoille ja maksimoi jonkin päätösten ja satunnaismuuttujien funktion keskiarvon . Yleensä tällaiset mallit muotoillaan, ratkaistaan analyyttisesti tai numeerisesti ja niiden tulokset analysoidaan hyödyllisen tiedon antamiseksi päätöksentekijöille.
Stokastisen ohjelmoinnin laajimmin käytetyt ja hyvin tutkitut kaksivaiheiset lineaarimallit . [1] Tässä päätöksentekijä tekee ensimmäisessä vaiheessa jonkin toimenpiteen, jonka jälkeen tapahtuu satunnainen tapahtuma, joka vaikuttaa ensimmäisen vaiheen päätöksen lopputulokseen. Toisessa vaiheessa voidaan sitten tehdä korjaava päätös, joka kompensoi ensimmäisessä vaiheessa tehdystä päätöksestä johtuvat ei-toivotut vaikutukset.
Tällaisen mallin optimaalinen ratkaisu on yksittäinen ensimmäisen vaiheen päätös ja joukko korjaavia päätöksiä (päätössäännöt), jotka määräävät, mitä toimia toisessa vaiheessa tulisi tehdä vastauksena kuhunkin satunnaiseen tulokseen.