Bayesiansk målprogrammering
Bayesiansk målprogrammering (BGP) integrerer Bayesiansk statistisk inferens med klassisk målprogrammering for å håndtere usikkerhet i mål og parametere. I stedet for å behandle måsterskler som faste konstanter, koder BGP dem som sannsynlighetsfordelinger, oppdaterer tro basert på observerte data, og løser deretter det resulterende probabilistiske optimeringsproblemet for å finne løsninger som tilfredsstiller flere aspirasjonelle mål under usikkerhet.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Goal Programming. ScholarGate. https://scholargate.app/no/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.
- Bayesiansk dynamisk programmeringSimulering↔ compare
- Bayesiansk flermål-optimaliseringSimulering↔ compare
- MålprogrammeringBeslutningstaking↔ compare
- Multimål-optimeringSimulering↔ compare
- Robust MålprogrammeringSimulering↔ compare
- Stokastisk målprogrammeringSimulering↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →