Bayesian Tabu Search — Probabilistiska vadība, kas integrēta ar atmiņā balstītu lokālo meklēšanu
Bayesian Tabu Search (BTS) ir hibrīda metaheuristika, kas apvieno klasiskās Tabu Search atmiņā balstīto aizliegto gājienu mehānismu ar beijes probabilistic model. Beijes komponents mācās no iepriekšējām novērtēšanas reizēm, lai novērtētu kandidātu gājienus, fokusējot meklēšanu uz daudzsološiem apgabaliem, savukārt tabu saraksts novērš ciklisko atkārtošanos. Šī kombinācija samazina izšķērdētās funkciju novērtēšanas dārgās kombinatoriskās un nepārtrauktās optimizācijas problēmās.
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
- Glover, F. (1989). Tabu search — Part I. ORSA Journal on Computing, 1(3), 190–206. DOI: 10.1287/ijoc.1.3.190 ↗
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Tabu Search — Probabilistic guidance integrated with memory-based local search. ScholarGate. https://scholargate.app/lv/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.
- Bayesiešuņetiskais algoritmsSimulācija↔ compare
- Optimizācija ar Bajesas metodiOptimizācija↔ compare
- Bayesisk simulētā atkausēšanaSimulācija↔ compare
- Simulated AnnealingOptimizācija↔ compare
- Stohastiskā Tabu meklēšanaSimulācija↔ compare
- Tabu SearchOptimizācija↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →