ScholarGate
Βοηθός
Process / pipelineSimulation / optimization

Βελτιστοποίηση Πολλαπλών Στόχων με Βάση το Bayes — Αναζήτηση Σύνορου Pareto με Υποκατάστατα και Ποσοτικοποίηση Αβεβαιότητας

Η Βελτιστοποίηση Πολλαπλών Στόχων με Βάση το Bayes (Bayesian Multi-Objective Optimization, BMOO/MOBO) χρησιμοποιεί υποκατάστατα μοντέλα Γκαουσιανών διαδικασιών (Gaussian process surrogate models) για την προσέγγιση πολλαπλών δαπανηρών συναρτήσεων στόχων και καθοδηγεί την αναζήτηση προς το σύνορο Pareto με ελάχιστες πραγματικές αξιολογήσεις. Ποσοτικοποιώντας την αβεβαιότητα πρόβλεψης σε κάθε υποψήφιο σημείο, εξισορροπεί την εξερεύνηση άγνωστων περιοχών έναντι της εκμετάλλευσης υποσχόμενων λύσεων, καθιστώντας την ιδιαίτερα ισχυρή όταν κάθε αξιολόγηση συνάρτησης είναι υπολογιστικά ή πειραματικά δαπανηρή.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Svenson, J., Santner, T. (2016). Multiobjective optimization of expensive-to-evaluate deterministic computer simulator models. Computational Statistics & Data Analysis, 94, 250-264. DOI: 10.1016/j.csda.2015.08.011
  2. Emmerich, M., Giannakoglou, K., Naujoks, B. (2006). Single- and multiobjective evolutionary optimization assisted by Gaussian random field metamodels. IEEE Transactions on Evolutionary Computation, 10(4), 421-439. DOI: 10.1109/TEVC.2005.859463

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Bayesian Multi-Objective Optimization (BMOO) — Surrogate-assisted Pareto frontier exploration under uncertainty. ScholarGate. https://scholargate.app/el/simulation/bayesian-multi-objective-optimization

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.

Compare side by side

Αναφέρεται από

ScholarGateBayesian Multi-Objective Optimization (Bayesian Multi-Objective Optimization (BMOO) — Surrogate-assisted Pareto frontier exploration under uncertainty). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/simulation/bayesian-multi-objective-optimization · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026