Байесовский отжиг (Bayesian Simulated Annealing, BSA) — глобальная оптимизация с байесовскими априорными сведениями
Байесовский отжиг (BSA) интегрирует байесовские априорные знания о ландшафте целевой функции в процесс поиска методом имитации отжига. Кодируя представления о перспективных областях в виде априорных распределений и обновляя их по мере прогресса поиска, BSA концентрирует вычислительные усилия на областях пространства решений с высокой вероятностью, ускоряя сходимость и улучшая качество решений по сравнению с неинформированным отжигом.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape. ScholarGate. https://scholargate.app/ru/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.
- Байесовский генетический алгоритмИмитационное моделирование↔ compare
- Байесовская оптимизацияОптимизация↔ compare
- Генетический алгоритмОптимизация↔ compare
- Марковские цепи Монте-Карло (MCMC)Имитационное моделирование↔ compare
- Имитация отжигаОптимизация↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →