Bayesiläinen kokonaislukuoptimointi — Välillistä optimointia kokonaislukutarkkuuden hakutiloissa
Bayesiläinen kokonaislukuoptimointi (BO-MIP) yhdistää todennäköisyyspohjaisen välillisen mallin — tyypillisesti Gaussin prosessin — kokonaislukuoptimointiratkaisijan kanssa tehokkaasti kalliiden mustan laatikon tavoitefunktioiden optimoimiseksi, jotka on määritelty tiloissa, jotka sisältävät sekä jatkuvia että diskreettejä tai kokonaislukuarvoisia päätösmuuttujia. Se on erityisen arvokas, kun jokainen funktioarviointi on kallista ja tyhjentävä haku on mahdotonta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Mixed-Integer Programming — Surrogate-Assisted Optimization over Mixed-Integer Search Spaces. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen optimointiOptimointi↔ compare
- SekalukuohjelmointiSimulointi↔ compare
- Monitavoitteinen kokonaislukuoptimointiSimulointi↔ compare
- Robust Mixed-Integer ProgrammingSimulointi↔ compare
- Stokastinen kokonaislukuoptimointiSimulointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →