Bayesianskt målprogrammeringsproblem
Bayesianskt målprogrammeringsproblem (BGP) integrerar Bayesiansk statistisk inferens med klassisk målprogrammering för att hantera osäkerhet i mål och parametrar. Istället för att behandla måltrösklar som fasta konstanter, kodar BGP dem som sannolikhetsfördelningar, uppdaterar tron med observerad data och löser sedan det resulterande probabilistiska optimeringsproblemet för att hitta lösningar som uppfyller flera aspirationella mål under osäkerhet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Goal Programming. ScholarGate. https://scholargate.app/sv/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.
- Bayesian Dynamic ProgrammingSimulering↔ compare
- Bayesian Multi-Objective OptimizationSimulering↔ compare
- MålprogrammeringBeslutsfattande↔ compare
- Multiobjektiv optimeringSimulering↔ compare
- Robust målprogrammeringSimulering↔ compare
- Stokastisk målprogrammeringSimulering↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →