Bayesovské lineární programování — Optimalizace za nejistoty bayesovských parametrů
Bayesovské lineární programování (BLP) integruje bayesovskou statistickou inferenci s klasickým lineárním programováním pro řešení nejistoty v parametrech modelu, jako jsou koeficienty účelové funkce, koeficienty omezení nebo hodnoty na pravé straně. Místo toho, aby se parametry považovaly za pevné nebo řízené nejhoršími scénáři, BLP používá apriorní přesvědčení aktualizovaná daty k vytvoření aposteriorních distribucí, které pak řídí formulaci a řešení LP, což vede k rozhodnutím, která jsou optimální v pravděpodobnostním, daty podloženém smyslu.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Dantzig, G. B. (1963). Linear Programming and Extensions. Princeton University Press, Princeton, NJ. ISBN: 9780691059136
- Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. Wiley, New York. ISBN: 9780471169376
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Linear Programming — Bayesian inference integrated with linear programming under parameter uncertainty. ScholarGate. https://scholargate.app/cs/simulation/bayesian-linear-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.
- Bayesovské programování dynamikySimulace↔ compare
- Bayesian Mixed-Integer ProgrammingSimulace↔ compare
- Deterministické lineární programováníSimulace↔ compare
- Vícekriteriální lineární programování (MOLP)Simulace↔ compare
- Robustní lineární programováníSimulace↔ compare
- Stochastické lineární programováníSimulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →