Bayesian Linear Programming (BLP) — Optimierung bei bayesianischer Parameterunsicherheit
Bayesian Linear Programming (BLP) integriert bayesianische statistische Inferenz mit klassischer linearer Programmierung, um Unsicherheiten in Modellparametern wie Koeffizienten der Zielfunktion, Koeffizienten von Nebenbedingungen oder Werten auf der rechten Seite zu handhaben. Anstatt Parameter als fixiert oder durch Worst-Case-Grenzen bestimmt zu betrachten, verwendet BLP A-priori-Überzeugungen, die durch Daten aktualisiert werden, um Posterior-Verteilungen zu bilden, welche dann die LP-Formulierung und -Lösung leiten und Entscheidungen hervorbringen, die im probabilistischen, datengesteuerten Sinne optimal sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Linear Programming — Bayesian inference integrated with linear programming under parameter uncertainty. ScholarGate. https://scholargate.app/de/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.
- Bayesian Dynamic ProgrammingSimulation↔ compare
- Bayesian Mixed-Integer ProgrammingSimulation↔ compare
- Lineare Programmierung mit deterministischen ParameternSimulation↔ compare
- Mehrkriterielle Lineare Programmierung (MOLP)Simulation↔ compare
- Robuste lineare ProgrammierungSimulation↔ compare
- Stochastische Lineare ProgrammierungSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →