Programowanie celów bayesowskich
Programowanie celów bayesowskich (BGP) integruje bayesowską wnioskowanie statystyczne z klasycznym programowaniem celów w celu zarządzania niepewnością celów i parametrów. Zamiast traktować progi celów jako stałe, BGP koduje je jako rozkłady prawdopodobieństwa, aktualizuje przekonania przy użyciu obserwowanych danych, a następnie rozwiązuje wynikający probabilistyczny problem optymalizacyjny w celu znalezienia rozwiązań spełniających wiele aspiracyjnych celów w warunkach niepewności.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Goal Programming. ScholarGate. https://scholargate.app/pl/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.
- Programowanie bayesowskieSymulacja↔ compare
- Optymalizacja Bayesowska WielokryterialnaSymulacja↔ compare
- Programowanie celowePodejmowanie decyzji↔ compare
- Optymalizacja wielocelowaSymulacja↔ compare
- Programowanie zorientowane na cel (Goal Programming)Symulacja↔ compare
- Programowanie Celów StochastycznychSymulacja↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →