Bayesian Simulated Annealing — Global Optimization with Bayesian Priors
Bayesian Simulated Annealing (BSA) mengintegrasikan pengetahuan prior Bayesian tentang lanskap objektif ke dalam proses pencarian simulated annealing. Dengan menyandikan keyakinan tentang kawasan yang menjanjikan sebagai taburan prior dan mengemas kininya seiring kemajuan pencarian, BSA memfokuskan usaha pengiraan pada kawasan berkeupayaan tinggi dalam ruang penyelesaian, mempercepat penumpuan dan meningkatkan kualiti penyelesaian berbanding SA yang tidak dimaklumkan.
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
- Kirkpatrick, S., Gelatt, C. D., & Vecchi, M. P. (1983). Optimization by simulated annealing. Science, 220(4598), 671–680. DOI: 10.1126/science.220.4598.671 ↗
- Geman, S., & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721–741. DOI: 10.1109/TPAMI.1984.4767596 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape. ScholarGate. https://scholargate.app/ms/simulation/bayesian-simulated-annealing
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.
- Algoritma Genetik BayesianSimulasi↔ compare
- Pengoptimuman BayesianPengoptimuman↔ compare
- Algoritma GenetikPengoptimuman↔ compare
- Markov Chain Monte Carlo (MCMC)Simulasi↔ compare
- Simulated AnnealingPengoptimuman↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →