Formålet med stokastisk programmering er å finne optimale beslutninger i problemer som involverer usikre data. Dette fagfeltet utvikler seg i raskt tempo og tiltrekker seg bidrag fra en rekke disipliner, inkludert operasjonsforskning, matematikk og sannsynlighetsteori. Det blir i dag brukt på mange ulike områder, fra landbruk og finansplanlegging til industriell ingeniørkunst og datanettverk. Denne læreboken gir et introduksjonskurs i stokastisk programmering, og er passende for studenter med grunnleggende kunnskaper innen lineær programmering, elementær analyse og sannsynlighet. Forfatterne ønsker å gi en omfattende oversikt over hovedtemaene og metodene innen emnet. Hovedmålet er å hjelpe studenter med å utvikle en intuitiv forståelse for hvordan man kan modellere usikkerhet i matematiske problemer, hvilke endringer usikkerhet fører til i beslutningsprosessen, og hvilke teknikker som kan brukes for å håndtere usikkerhet når man løser disse problemene. I denne grundig oppdaterte utgaven er det lagt til mer materiale om metoder.
