Stohastiskā programmēšana apstrādā sarežģītus matemātiskās optimizācijas jautājumus, kur nezināmi mainīgie rada vairākus iespējamos risinājumus. Tas var ietvert modeļa izmantošanu vairākos posmos, no kuriem katru var ietekmēt atsevišķi mainīgie. Matemātiķi to var piemērot problēmām, kas saistītas ar lēmumu pieņemšanu, resursu piešķiršanu un līdzīgām darbībām. Tas ir arī akadēmisko pētījumu priekšmets, kurā pētnieki strādā pie jaunu un efektīvāku stohastiskās programmēšanas modeļu izstrādes, lai tos izmantotu reālās pasaules situācijās.
Optimizācijas problēmas var kļūt ārkārtīgi sarežģītas. Pamatformās visi mainīgie ir zināmi, kas ļauj tos palaist vienādojumā, lai noskaidrotu vispiemērotāko risinājumu. Tas parasti nav iespējams situācijā, kad parametri ir mazāk noteikti un nezināmi mainīgie var ietekmēt rezultātu. Stohastiskie programmētāji paļaujas uz varbūtības sadalījumu, lai novērtētu mainīgo lielumu diapazonu un piemērotu to vienādojumam.
Bieži sastopami piemēri var rasties notikumu matemātiskajā modelēšanā dabiskajā vidē. Piemēram, kad tauriņi dēj olas, viņi vēlas optimizēt iespēju izšķilties un attīstīties par kāpuriem un pēc tam par pieaugušiem tauriņiem. Stohastiskais programmēšanas modelis var sniegt informāciju par labāko lēmumu sēriju, ko tauriņš varētu pieņemt. Mainīgie lielumi var ietvert plēsonību, temperatūras izmaiņas un citas problēmas, kas kavē izšķilšanos vai nogalina kāpurus, pirms tie sasniedz pilngadību. Matemātiķis var strādāt vairākos posmos, lai optimizētu problēmu.
Lēmumi katrā posmā var pārtraukt vai atvērt lēmumus nākamajā. Stohastiskai programmēšanai ir jābūt elastīgai, lai sasniegtu optimālo risinājumu, vienlaikus uzliekot zināmu kārtību lēmumiem, lai tos varētu kvantificēt matemātikas uzdevumā. Sarežģītības līmenis var būt atkarīgs no problēmas rakstura; daži ir vienkārši izkārtoti divos posmos, savukārt citi var ietvert vairākas reizes. Katram posmam ir iespējams noteikt optimālo risinājumu un apsvērt tā ietekmi uz lēmumu pieņemšanu.
Pētnieki var izmantot šo rīku dažādos veidos, sākot no dzīvnieku uzvedības analīzes līdz procesu izpētei, kas ir pamatā lēmumu pieņemšanai korporatīvajā pasaulē. To var izmantot arī matemātiskajai modelēšanai, lai atbalstītu lēmumus tādos apstākļos kā uzņēmējdarbība. Piemēram, vērtspapīru tirgotāji var uzskatīt stohastisko programmēšanu kā vienu no pieejamajiem rīkiem, lai izpētītu optimālus problēmu risinājumus. Analītiķi var veikt šāda veida aprēķinus vai izmantot programmatūras programmas, kas ļauj automātiski iestatīt problēmas un palaist tās, izmantojot virkni iespējamo scenāriju.