Decomposition algorithms for computational stochastic mixed-integer programming: A survey

Ward Romeijnders

doi:10.1016/j.ejor.2026.05.043

Decomposition algorithms for computational stochastic mixed-integer programming: A survey

2026-09-29

0

PRE

AI

DOI：10.1016/j.ejor.2026.05.043

原文链接

原文求助

摘要

En 中文

本综述旨在为探索随机混合整数规划（SMIP）模型和算法的日益增长的领域提供路线图。该领域的发展取得了巨大成就。因此，我们将探索范围限制在涉及确定性整数规划的随机扩展方法上，这些方法的应用已出现数十载。从这一意义上讲，我们的综述展示了混合整数规划中确定性与随机建模之间的联系。我们概述了现有针对两阶段SMIP的分解算法，包括丹齐格-沃尔夫分解、对偶分解，以及使用拉格朗日割来强化SMIP建模，以及使用参数割平面和缩放割的分解方法。此外，我们明确讨论了这些方法之间的关系。进一步地，基于这些两阶段结果，我们总结了多阶段随机混合整数规划新兴领域中的最新进展。最后，我们提出了未来研究方向。

Keyword:

Stochastic programming

Integer programming

Decomposition algorithms for computational stochastic mixed-integer programming: A survey

摘要

期刊

机构

引用论文