Simulated Annealing Bayesian — Optimizare Globală cu Prioruri Bayesiane
Simulated Annealing Bayesian (BSA) integrează cunoștințe anterioare bayesiene despre peisajul obiectiv în procesul de căutare al algoritmului simulated annealing. Prin codificarea credințelor despre regiuni promițătoare ca distribuții anterioare și prin actualizarea acestora pe măsură ce căutarea progresează, BSA concentrează efortul computațional pe zone cu probabilitate ridicată din spațiul soluțiilor, accelerând convergența și îmbunătățind calitatea soluției comparativ cu SA neinformat.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Kirkpatrick, S., Gelatt, C. D., & Vecchi, M. P. (1983). Optimization by simulated annealing. Science, 220(4598), 671–680. DOI: 10.1126/science.220.4598.671 ↗
- Geman, S., & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721–741. DOI: 10.1109/TPAMI.1984.4767596 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape. ScholarGate. https://scholargate.app/ro/simulation/bayesian-simulated-annealing
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.
- Algoritm Genetic Bayesian (BGA)Simulare↔ compare
- Optimizare BayesianăOptimizare↔ compare
- Algoritm GeneticOptimizare↔ compare
- Markov Chain Monte Carlo (MCMC)Simulare↔ compare
- Recalire simulatăOptimizare↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →