Programmazione per Obiettivi Bayesiana
La Programmazione per Obiettivi Bayesiana (BGP) integra l'inferenza statistica bayesiana con la programmazione per obiettivi classica per gestire l'incertezza nei target e nei parametri. Invece di trattare le soglie degli obiettivi come costanti fisse, la BGP le codifica come distribuzioni di probabilità, aggiorna le credenze utilizzando i dati osservati e quindi risolve il problema di ottimizzazione probabilistica risultante per trovare soluzioni che soddisfino molteplici obiettivi aspirazionali in condizioni di incertezza.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Rios Insua, D. (1990). Sensitivity Analysis in Multi-objective Decision Making. Springer-Verlag, Berlin. ISBN: 9783540528814
- Charnes, A., Cooper, W. W., & Ferguson, R. O. (1955). Optimal estimation of executive compensation by linear programming. Management Science, 1(2), 138-151. DOI: 10.1287/mnsc.1.2.138 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Goal Programming. ScholarGate. https://scholargate.app/it/simulation/bayesian-goal-programming
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.
- Programmazione Dinamica BayesianaSimulazione↔ compare
- Ottimizzazione Bayesiana Multi-ObiettivoSimulazione↔ compare
- Goal ProgrammingProcesso decisionale↔ compare
- Ottimizzazione Multi-ObiettivoSimulazione↔ compare
- Programmazione per Obiettivi RobustaSimulazione↔ compare
- Programmazione a Obiettivi StocasticaSimulazione↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →