बेयसियन बहु-उद्देश्यीय अनुकूलन — अनिश्चितता परिमाणीकरण के साथ सरोगेट-सहायता प्राप्त पेरेटो फ्रंटियर खोज
बेयसियन बहु-उद्देश्यीय अनुकूलन (BMOO/MOBO) कई महंगी उद्देश्य फलनों का अनुमान लगाने के लिए गाऊसी प्रक्रिया सरोगेट मॉडल का उपयोग करता है और न्यूनतम वास्तविक मूल्यांकनों के साथ पेरेटो फ्रंटियर की ओर खोज का मार्गदर्शन करता है। प्रत्येक उम्मीदवार बिंदु पर भविष्यवाणी की अनिश्चितता को परिमाणित करके, यह अज्ञात क्षेत्रों की खोज को आशाजनक समाधानों के शोषण के साथ संतुलित करता है, जिससे यह विशेष रूप से तब शक्तिशाली हो जाता है जब प्रत्येक फलन मूल्यांकन कम्प्यूटेशनल या प्रयोगात्मक रूप से महंगा होता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Bayesian Multi-Objective Optimization (BMOO) — Surrogate-assisted Pareto frontier exploration under uncertainty. ScholarGate. https://scholargate.app/hi/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.
- बेयसियन ऑप्टिमाइजेशनअनुकूलन↔ compare
- बहु-उद्देश्यीय अनुकूलनअनुकरण↔ compare
- अनिश्चितता के तहत बहु-उद्देश्यीय इष्टतमीकरणअनुकरण↔ compare