Bayesisk veselprogrammēšana — Probabilistiski iepriekš noteikta kombinatoriskā optimizācija
Bayesiskā veselprogrammēšana (BIP) integrē Bayesiskās probabilistiskās spriešanas ar veselprogrammēšanu, lai risinātu kombinatoriskās optimizācijas problēmas nenoteiktības apstākļos. Tā vietā, lai parametrus uzskatītu par fiksētiem, tā kodē iepriekšējas pārliecības par nenoteiktiem koeficientiem un atjaunina tās ar novērotiem datiem, radot posterioru vadītu meklēšanu veselu skaitļu atbilstošu risinājumu vidū. Šī pieeja tiek plaši izmantota plānošanā, resursu sadalē un piegādes ķēdes plānošanā, kur dati ir nepilnīgi vai trokšņaini.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Integer Programming — Probabilistic Prior-Guided Combinatorial Optimization. ScholarGate. https://scholargate.app/lv/simulation/bayesian-integer-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.
- Lineārā programmēšana ar Bajesas pieejuSimulācija↔ compare
- Bayesian Mixed-Integer ProgrammingSimulācija↔ compare
- Beiziešu daudzobjektīvu optimizācijaSimulācija↔ compare
- Jaukta veselo skaitļu programmēšanaSimulācija↔ compare
- Robustā veselo skaitļu programmēšanaSimulācija↔ compare
- Stochastic Integer ProgrammingSimulācija↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →