Recocido Simulado Bayesiano — Optimización Global con Priores Bayesianos
El Recocido Simulado Bayesiano (BSA) integra el conocimiento previo bayesiano sobre el paisaje objetivo en el proceso de búsqueda del recocido simulado. Al codificar las creencias sobre regiones prometedoras como distribuciones a priori y actualizarlas a medida que avanza la búsqueda, el BSA enfoca el esfuerzo computacional en áreas de alta probabilidad del espacio de soluciones, acelerando la convergencia y mejorando la calidad de la solución en comparación con el SA no informado.
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
- Kirkpatrick, S., Gelatt, C. D., & Vecchi, M. P. (1983). Optimization by simulated annealing. Science, 220(4598), 671–680. DOI: 10.1126/science.220.4598.671 ↗
- Geman, S., & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721–741. DOI: 10.1109/TPAMI.1984.4767596 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape. ScholarGate. https://scholargate.app/es/simulation/bayesian-simulated-annealing
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.
- Algoritmo Genético BayesianoSimulación↔ compare
- Optimización BayesianaOptimización↔ compare
- Algoritmo GenéticoOptimización↔ compare
- Cadenas de Markov Monte Carlo (MCMC)Simulación↔ compare
- Recocido simuladoOptimización↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →