Programação por Objetivos Bayesiana
Programação por Objetivos Bayesiana (BGP) integra inferência estatística bayesiana com a programação por objetivos clássica para lidar com a incerteza em metas e parâmetros. Em vez de tratar os limiares de metas como constantes fixas, a BGP os codifica como distribuições de probabilidade, atualiza crenças usando dados observados e, em seguida, resolve o problema de otimização probabilística resultante para encontrar soluções que satisfaçam múltiplos objetivos aspiracionais sob incerteza.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Goal Programming. ScholarGate. https://scholargate.app/pt/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.
- Programação Dinâmica BayesianaSimulação↔ compare
- Otimização Bayesiana MultiobjetivoSimulação↔ compare
- Goal ProgrammingTomada de decisão↔ compare
- Otimização MultiobjetivoSimulação↔ compare
- Programação por Metas RobustaSimulação↔ compare
- Programação por Metas EstocásticaSimulação↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →