ScholarGate
Βοηθός

Σύγκριση μεθόδων

Εξετάστε τις επιλεγμένες μεθόδους δίπλα-δίπλα· οι γραμμές που διαφέρουν επισημαίνονται.

Προγραμματισμός Στόχων με Μπεϋζιανή Προσέγγιση×Προγραμματισμός Στόχων×
ΠεδίοΠροσομοίωσηΛήψη Αποφάσεων
ΟικογένειαProcess / pipelineMCDM
Έτος προέλευσης1990s1955
ΔημιουργόςRios Insua, D. and colleaguesCharnes, A., Cooper, W. W.
ΤύποςMulti-objective optimization under uncertaintyMulti-objective optimisation — weighted/lexicographic goal deviation minimisation
Θεμελιώδης πηγήRios Insua, D. (1990). Sensitivity Analysis in Multi-objective Decision Making. Springer-Verlag, Berlin. ISBN: 9783540528814Charnes, A., Cooper, W. W. (1955). Optimal estimation of executive compensation by linear programming. Management Science DOI ↗
Εναλλακτικές ονομασίεςBGP, Bayesian GP, Probabilistic Goal Programming, Bayesian Multi-Goal Optimization
Συναφείς68
ΣύνοψηBayesian Goal Programming (BGP) integrates Bayesian statistical inference with classic goal programming to handle uncertainty in targets and parameters. Instead of treating goal thresholds as fixed constants, BGP encodes them as probability distributions, updates beliefs using observed data, and then solves the resulting probabilistic optimization problem to find solutions that satisfy multiple aspirational goals under uncertainty.GOAL-PROGRAMMING (Goal Programming — Minimise deviations from multiple aspiration levels) is a ranking multi-criteria decision-making (MCDM) method introduced by Charnes, A., Cooper, W. W. in 1955. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.
ScholarGateΣύνολο δεδομένων
  1. v1
  2. 2 Πηγές
  3. PUBLISHED
  1. v1
  2. 1 Πηγές
  3. PUBLISHED

Μετάβαση στην αναζήτηση Λήψη διαφανειών

ScholarGateΣύγκριση μεθόδων: Bayesian Goal Programming · GOAL-PROGRAMMING. Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/compare