В методах имитационной оптимизации (прямых методах стохастического выбора) не производится преобразование задачи к ее детерминированному эквиваленту. Суть данных методов заключается в том, что генерируются случайные значения w в соответствии с известным законом распределения, далее для заданного w вычисляются функции gi(x, w), i = 0,...,n и решается оптимизационная задача вида x = arg max f(x, w), где x Î {x½ gi(x,w) £ 0}, i=1,...,n при фиксированном w. Особенностью реализации данных методов является то, что, во-первых, при произвольном выборе w допустимое множество альтернатив может оказаться пустым (ограничения несовместны) и, во-вторых, общий объем таких вычислений может быть достаточно велик.
Преодоление указанных трудностей достигается на основе применения методов и м и т а ц и о н н о г о у с р е д н е н и я и методов с т о х а с т и ч е с к о й а п п р о к c и м а ц и и.
При имитационном усреднении произвольно (случайно) выбирается некоторое подмножество точек из допустимой области при некотором значении параметров среды. Далее на каждом шаге использования некоторой процедуры решения задачи нелинейного программирования производится усреднение значений функций, ограничивающих выбор, и значений градиентов, вычисленных на множестве избранных точек.
Метод стохастической аппроксимации, как и метод имитационного усреднения, представляет собой итерационную процедуру градиентного типа. При реализации данного метода на каждом шаге процесса происходит движение к оптимуму в некотором случайном направлении в пространстве альтернатив. При этом сам итерационный процесс сходится при определенных условиях. Использование классических методов стохастической аппроксимации для решения задач выбора в стохастической среде требует их соответствующей модификации для задач условной оптимизации.