التحسين البايزي متعدد الأهداف — البحث عن جبهة باريتو بمساعدة البدائل مع تقدير عدم اليقين
يستخدم التحسين البايزي متعدد الأهداف (BMOO/MOBO) نماذج بديلة للمجال الغاوسي لتقريب دوال الهدف المتعددة المكلفة وتوجيه البحث نحو جبهة باريتو بأقل عدد ممكن من التقييمات الحقيقية. من خلال تقدير عدم اليقين في التنبؤ عند كل نقطة مرشحة، فإنه يوازن بين استكشاف المناطق غير المعروفة واستغلال الحلول الواعدة، مما يجعله قويًا بشكل خاص عندما يكون تقييم كل دالة مكلفًا من الناحية الحسابية أو التجريبية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Svenson, J., Santner, T. (2016). Multiobjective optimization of expensive-to-evaluate deterministic computer simulator models. Computational Statistics & Data Analysis, 94, 250-264. DOI: 10.1016/j.csda.2015.08.011 ↗
- Emmerich, M., Giannakoglou, K., Naujoks, B. (2006). Single- and multiobjective evolutionary optimization assisted by Gaussian random field metamodels. IEEE Transactions on Evolutionary Computation, 10(4), 421-439. DOI: 10.1109/TEVC.2005.859463 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Bayesian Multi-Objective Optimization (BMOO) — Surrogate-assisted Pareto frontier exploration under uncertainty. ScholarGate. https://scholargate.app/ar/simulation/bayesian-multi-objective-optimization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- التحسين البايزيالتحسين↔ compare
- التحسين متعدد الأهدافالمحاكاة↔ compare
- التحسين العشوائي متعدد الأهدافالمحاكاة↔ compare