Programação Inteira Mista Bayesiana — Otimização Assistida por Sub-rogados sobre Espaços de Busca Inteiros Mistos
A Programação Inteira Mista Bayesiana (BO-MIP) acopla um modelo sub-rogado probabilístico — tipicamente um processo Gaussiano — com um resolvedor de programação inteira mista para otimizar eficientemente objetivos caros de caixa-preta definidos sobre espaços que contêm variáveis de decisão tanto contínuas quanto discretas ou de valor inteiro. É especialmente valioso quando cada avaliação de função é custosa e a busca exaustiva é inviável.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Mixed-Integer Programming — Surrogate-Assisted Optimization over Mixed-Integer Search Spaces. ScholarGate. https://scholargate.app/pt/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.
- Otimização BayesianaOtimização↔ compare
- Programação Inteira MistaSimulação↔ compare
- Programação Inteira Mista Multi-ObjetivoSimulação↔ compare
- Programação Inteira Mista RobustaSimulação↔ compare
- Programação Inteira EstocásticaSimulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →