<  Retour au portail Polytechnique Montréal

Documents dont l'auteur est "Keutchayan, Julien"

Monter d'un niveau
Pour citer ou exporter [feed] Atom [feed] RSS 1.0 [feed] RSS 2.0
Nombre de documents: 9

Keutchayan, J., Munger, D., & Gendreau, M. (2020). On the scenario-tree optimal-value error for stochastic programming problems. Mathematics of Operations Research, 45(4), 1572-1595. Lien externe

Keutchayan, J. (2018). Approximation d'espérances conditionnelles guidée par le problème en optimisation stochastique multi-étapes [Thèse de doctorat, École Polytechnique de Montréal]. Disponible

Keutchayan, J., Munger, D., & Gendreau, M. (2017). On the scenario-tree optimal-value error for stochastic programming problems. (Rapport technique n° CIRRELT-2017-73). Lien externe

Keutchayan, J., Munger, D., & Gendreau, M. (2017). On the scenario-tree optimal-value error for stochastic programming problems. (Rapport technique n° CIRRELT-2017-05). Lien externe

Keutchayan, J., Munger, D., Gendreau, M., & Bastin, F. (2017). A new scenario-tree generation approach for multistage stochastic programming problems based on a demerit criterion. (Rapport technique n° CIRRELT-2017-74). Lien externe

Keutchayan, J., Munger, D., & Gendreau, M. (2017). On the Scenario-Tree Optimal-Value Error for Stochastic Programming Problems. (Rapport technique n° CIRRELT-2016-05). Lien externe

Keutchayan, J., Gendreau, M., & Saucier, A. (2017). Quality evaluation of scenario-tree generation methods for solving stochastic programming problem. (Rapport technique n° CIRRELT-2017-17). Lien externe

Keutchayan, J., Gendreau, M., & Saucier, A. (2017). Quality evaluation of scenario-tree generation methods for solving stochastic programming problems. Computational Management Science, 14(3), 333-365. Lien externe

Keutchayan, J., Gendreau, M., & Saucier, A. (2016). Quality Evaluation of Scenario-Tree Generation Methods for Solving High-Dimensional Stochastic Programs. (Rapport technique n° CIRRELT-2016-46). Non disponible

Liste produite: Thu Mar 28 04:45:24 2024 EDT.