Bayesian Simulated Annealing — Globální optimalizace s Bayesovskými apriorními informacemi
Bayesian Simulated Annealing (BSA) integruje Bayesovské apriorní znalosti o cílové krajině do vyhledávacího procesu simulovaného žíhání. Kódováním přesvědčení o slibných oblastech jako apriorních distribucí a jejich aktualizací během postupu vyhledávání BSA zaměřuje výpočetní úsilí na oblasti s vysokou pravděpodobností v prostoru řešení, čímž zrychluje konvergenci a zlepšuje kvalitu řešení ve srovnání s neinformovaným SA.
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
- Kirkpatrick, S., Gelatt, C. D., & Vecchi, M. P. (1983). Optimization by simulated annealing. Science, 220(4598), 671–680. DOI: 10.1126/science.220.4598.671 ↗
- Geman, S., & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721–741. DOI: 10.1109/TPAMI.1984.4767596 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape. ScholarGate. https://scholargate.app/cs/simulation/bayesian-simulated-annealing
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.
- Bayesovský genetický algoritmusSimulace↔ compare
- Bayesovská optimalizaceOptimalizace↔ compare
- Genetický algoritmusOptimalizace↔ compare
- Markov Chain Monte Carlo (MCMC)Simulace↔ compare
- Simulated AnnealingOptimalizace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →