Bayesiansk målprogrammering
Bayesiansk målprogrammering (BGP) integrerer Bayesiansk statistisk inferens med klassisk målprogrammering for at håndtere usikkerhed i mål og parametre. I stedet for at behandle måltærskler som faste konstanter, indkoder BGP dem som sandsynlighedsfordelinger, opdaterer overbevisninger ved hjælp af observerede data og løser derefter det resulterende probabilistiske optimeringsproblem for at finde løsninger, der tilfredsstiller flere aspirationelle mål under usikkerhed.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Goal Programming. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk dynamisk programmeringSimulering↔ compare
- Bayesiansk multi-objektiv optimeringSimulering↔ compare
- MålprogrammeringBeslutningstagning↔ compare
- Multi-Objective OptimizationSimulering↔ compare
- Robust MålprogrammeringSimulering↔ compare
- Stokastisk MålprogrammeringSimulering↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →