Bayesiläinen simuloitu hehkutus — globaali optimointi Bayesiläisillä priori-informaatioilla
Bayesiläinen simuloitu hehkutus (BSA) integroi Bayesiläisen priorinformaation kohteesta kohdemaisemasta simuloituun hehkutusprosessiin. Koodaamalla uskomuksia lupaavista alueista priorijakaumina ja päivittämällä niitä haun edetessä BSA keskittää laskennallisen panostuksen korkean todennäköisyyden alueille ratkaisuavaruudessa, nopeuttaen konvergenssia ja parantaen ratkaisun laatua verrattuna tiedostamattomaan SA:han.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape. ScholarGate. https://scholargate.app/fi/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.
- Bayesian Genetic AlgorithmSimulointi↔ compare
- Bayesiläinen optimointiOptimointi↔ compare
- Genetiikka-algoritmiOptimointi↔ compare
- Markov Chain Monte Carlo (MCMC)Simulointi↔ compare
- Simulated AnnealingOptimointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →