Bayesiaanse Gemengd-Geheeltallige Programmering — Surrogaat-Ondersteunde Optimalisatie over Gemengd-Geheeltallige Zoekruimtes
Bayesiaanse Gemengd-Geheeltallige Programmering (BO-MIP) koppelt een probabilistisch surrogaatmodel — doorgaans een Gaussisch proces — aan een gemengd-geheeltallige programmeeroplosser om dure black-box-doelfuncties, gedefinieerd over ruimtes die zowel continue als discrete of geheelwaardige beslissingsvariabelen bevatten, efficiënt te optimaliseren. Het is bijzonder waardevol wanneer elke functiewaarding kostbaar is en uitputtend zoeken onhaalbaar is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Baptista, R., Poloczek, M. (2018). Bayesian Optimization of Combinatorial Structures. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80:462–471. link ↗
- Bonami, P., Biegler, L. T., Conn, A. R., Cornuejols, G., Grossmann, I. E., Laird, C. D., Lee, J., Lodi, A., Margot, F., Sawaya, N., Wächter, A. (2008). An algorithmic framework for convex mixed integer nonlinear programs. Discrete Optimization, 5(2), 186–204. DOI: 10.1016/j.disopt.2006.10.011 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Mixed-Integer Programming — Surrogate-Assisted Optimization over Mixed-Integer Search Spaces. ScholarGate. https://scholargate.app/nl/simulation/bayesian-mixed-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.
- Bayesian OptimizationOptimalisatie↔ compare
- Mixed-Integer ProgrammingSimulatie↔ compare
- Multi-Objective Mixed-Integer ProgrammingSimulatie↔ compare
- Robuuste Gemengd-Gehele ProgrammeringSimulatie↔ compare
- Stochastisch Gemengd-Geheelgetal ProgrammerenSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →