ScholarGate
Asisten
Process / pipelineSimulation / optimization

Pencarian Tabu Bayesian — Panduan probabilistik terintegrasi dengan pencarian lokal berbasis memori

Pencarian Tabu Bayesian (BTS) adalah metaheuristik hibrida yang menggabungkan mekanisme larangan-gerak berbasis memori dari Pencarian Tabu klasik dengan model probabilistik Bayesian. Komponen Bayesian belajar dari evaluasi masa lalu untuk memberi skor pada gerak kandidat, memfokuskan pencarian pada wilayah yang menjanjikan sementara daftar tabu mencegah siklus berulang. Kombinasi ini mengurangi evaluasi fungsi yang terbuang dalam masalah optimasi kombinatorial dan kontinu yang mahal.

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. Glover, F. (1989). Tabu search — Part I. ORSA Journal on Computing, 1(3), 190–206. DOI: 10.1287/ijoc.1.3.190
  2. Bergstra, J., Bardenet, R., Bengio, Y., Kegl, B. (2011). Algorithms for hyper-parameter optimization. Advances in Neural Information Processing Systems (NIPS), 24, 2546–2554. link

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Bayesian Tabu Search — Probabilistic guidance integrated with memory-based local search. ScholarGate. https://scholargate.app/id/simulation/bayesian-tabu-search

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
ScholarGateBayesian Tabu Search (Bayesian Tabu Search — Probabilistic guidance integrated with memory-based local search). Diakses 2026-06-15 dari https://scholargate.app/id/simulation/bayesian-tabu-search · Set data: https://doi.org/10.5281/zenodo.20539026