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.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
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.
- Algoritma Genetika BayesianSimulasi↔ compare
- Optimasi BayesianOptimasi↔ compare
- Algoritma GenetikOptimasi↔ compare
- Metropolis-Hastings (MCMC)Simulasi↔ compare
- Annealing SimulasiOptimasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →