ScholarGate
Asisten
Process / pipelineSimulation / optimization

Annealing Simulasi Bayesian — Optimasi Global dengan Prior Bayesian

Annealing Simulasi Bayesian (BSA) mengintegrasikan pengetahuan prior Bayesian tentang lanskap objektif ke dalam proses pencarian annealing simulasi. Dengan mengkodekan keyakinan tentang wilayah yang menjanjikan sebagai distribusi prior dan memperbaruinya seiring kemajuan pencarian, BSA memfokuskan upaya komputasi pada area probabilitas tinggi dari ruang solusi, mempercepat konvergensi dan meningkatkan kualitas solusi dibandingkan dengan SA yang tidak terinformasi.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. 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
  2. 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

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape. ScholarGate. https://scholargate.app/id/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.

Compare side by side

Dirujuk oleh

ScholarGateBayesian Simulated Annealing (Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape). Diakses 2026-06-15 dari https://scholargate.app/id/simulation/bayesian-simulated-annealing · Set data: https://doi.org/10.5281/zenodo.20539026