Programación Entera Mixta Bayesiana — Optimización Asistida por Sustitutos sobre Espacios de Búsqueda Enteros Mixtos
La Programación Entera Mixta Bayesiana (BO-MIP) acopla un modelo sustituto probabilístico —típicamente un proceso gaussiano— con un solucionador de programación entera mixta para optimizar eficientemente objetivos de caja negra costosos definidos sobre espacios que contienen variables de decisión tanto continuas como discretas o enteras. Es especialmente valiosa cuando cada evaluación de función es costosa y la búsqueda exhaustiva es inviable.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Baptista, R., Poloczek, M. (2018). Bayesian Optimization of Combinatorial Structures. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80:462–471. link ↗
- Bonami, P., Biegler, L. T., Conn, A. R., Cornuejols, G., Grossmann, I. E., Laird, C. D., Lee, J., Lodi, A., Margot, F., Sawaya, N., Wächter, A. (2008). An algorithmic framework for convex mixed integer nonlinear programs. Discrete Optimization, 5(2), 186–204. DOI: 10.1016/j.disopt.2006.10.011 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Mixed-Integer Programming — Surrogate-Assisted Optimization over Mixed-Integer Search Spaces. ScholarGate. https://scholargate.app/es/simulation/bayesian-mixed-integer-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.
- Optimización BayesianaOptimización↔ compare
- Programación Entera MixtaSimulación↔ compare
- Programación Multi-Objetivo con Variables Mixtas EnterasSimulación↔ compare
- Programación Entera Mixta RobustaSimulación↔ compare
- Programación Estocástica Entera MixtaSimulación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →