Pencarian Tabu Bayesian — Panduan probabilistik digabungkan dengan pencarian setempat berasaskan memori
Pencarian Tabu Bayesian (BTS) ialah metaheuristik hibrid yang menggabungkan mekanisme larangan pergerakan berasaskan memori daripada Pencarian Tabu klasik dengan model probabilistik Bayesian. Komponen Bayesian belajar daripada penilaian lepas untuk menilai pergerakan calon, memfokuskan pencarian pada kawasan yang menjanjikan manakala senarai tabu menghalang kitaran. Gabungan ini mengurangkan penilaian fungsi yang terbazir dalam masalah pengoptimuman kombinatorial dan selanjar yang mahal.
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
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Tabu Search — Probabilistic guidance integrated with memory-based local search. ScholarGate. https://scholargate.app/ms/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.
- Algoritma Genetik BayesianSimulasi↔ compare
- Pengoptimuman BayesianPengoptimuman↔ compare
- Bayesian Simulated AnnealingSimulasi↔ compare
- Simulated AnnealingPengoptimuman↔ compare
- Pencarian Tabu StokastikSimulasi↔ compare
- Tabu SearchPengoptimuman↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →