Process / pipelineSimulation / optimization

Байесовское смешанное целочисленное программирование — Оптимизация с помощью суррогатов в пространствах смешанных целых чисел

Байесовское смешанное целочисленное программирование (BO-MIP) объединяет вероятностную суррогатную модель — обычно гауссовский процесс — с решателем смешанных целочисленных программ для эффективной оптимизации дорогостоящих целевых функций типа «чёрный ящик», определённых в пространствах, содержащих как непрерывные, так и дискретные или целочисленные переменные принятия решений. Этот метод особенно ценен, когда каждая оценка функции требует больших затрат, а исчерпывающий поиск невозможен.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. 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
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Bayesian Mixed-Integer Programming — Surrogate-Assisted Optimization over Mixed-Integer Search Spaces. ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateBayesian Mixed-Integer Programming (Bayesian Mixed-Integer Programming — Surrogate-Assisted Optimization over Mixed-Integer Search Spaces). Получено 2026-06-15 из https://scholargate.app/ru/simulation/bayesian-mixed-integer-programming · Набор данных: https://doi.org/10.5281/zenodo.20539026