Байесов целеви програмен модел
Байесовият целеви програмен модел (BGP) интегрира байесово статистическо заключение с класическото целево програмиране за справяне с несигурността в целевите стойности и параметрите. Вместо да третира праговете на целите като фиксирани константи, BGP ги кодира като вероятностни разпределения, актуализира убежденията с помощта на наблюдавани данни и след това решава получения вероятностен оптимизационен проблем, за да намери решения, които удовлетворяват множество аспирационни цели при несигурност.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Rios Insua, D. (1990). Sensitivity Analysis in Multi-objective Decision Making. Springer-Verlag, Berlin. ISBN: 9783540528814
- Charnes, A., Cooper, W. W., & Ferguson, R. O. (1955). Optimal estimation of executive compensation by linear programming. Management Science, 1(2), 138-151. DOI: 10.1287/mnsc.1.2.138 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Goal Programming. ScholarGate. https://scholargate.app/bg/simulation/bayesian-goal-programming
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.
- Байесов динамичен програмен подходСимулационно моделиране↔ compare
- Байесова многоцелева оптимизацияСимулационно моделиране↔ compare
- Программиране с целеви стойности (Goal Programming)Вземане на решения↔ compare
- Многоцелева оптимизацияСимулационно моделиране↔ compare
- Устойчиво целево програмиранеСимулационно моделиране↔ compare
- Стохастично целево програмиранеСимулационно моделиране↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →