Pengaturcaraan Matlamat Bayesian
Pengaturcaraan Matlamat Bayesian (BGP) mengintegrasikan inferens statistik Bayesian dengan pengaturcaraan matlamat klasik untuk mengendalikan ketidakpastian dalam sasaran dan parameter. Daripada merawat ambang matlamat sebagai pemalar tetap, BGP menyandikannya sebagai taburan kebarangkalian, mengemas kini kepercayaan menggunakan data yang diperhatikan, dan kemudian menyelesaikan masalah pengoptimuman probabilistik yang terhasil untuk mencari penyelesaian yang memenuhi pelbagai matlamat aspirasi di bawah ketidakpastian.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Goal Programming. ScholarGate. https://scholargate.app/ms/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.
- Pengaturcaraan Dinamik BayesianSimulasi↔ compare
- Bayesian Multi-Objective OptimizationSimulasi↔ compare
- Pengaturcaraan MatlamatPembuatan Keputusan↔ compare
- Pengoptimuman Pelbagai ObjektifSimulasi↔ compare
- Pengaturcaraan Matlamat TeguhSimulasi↔ compare
- Pengaturcaraan Matlamat StokastikSimulasi↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →