Bayesiansk linjärprogrammering — Optimering under Bayesiansk parameterosäkerhet
Bayesiansk linjärprogrammering (BLP) integrerar Bayesiansk statistisk inferens med klassisk linjärprogrammering för att hantera osäkerhet i modellparametrar såsom koefficienter i målfunktionen, bivillkorskfficienter eller högerledsvärden. Istället för att behandla parametrar som fasta eller styrda av worst-case-gränser, använder BLP aprioriska övertygelser som uppdateras med data för att bilda aposterioriska fördelningar, vilka sedan styr LP-formuleringen och lösningen, vilket ger beslut som är optimala i en probabilistisk, datainformerad mening.
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
- Dantzig, G. B. (1963). Linear Programming and Extensions. Princeton University Press, Princeton, NJ. ISBN: 9780691059136
- Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. Wiley, New York. ISBN: 9780471169376
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Linear Programming — Bayesian inference integrated with linear programming under parameter uncertainty. ScholarGate. https://scholargate.app/sv/simulation/bayesian-linear-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 Mixed-Integer ProgrammingSimulering↔ compare
- Deterministisk linjär programmering – Klassisk LP med säkra parametrarSimulering↔ compare
- Flerobjektiv linjär programmering (MOLP)Simulering↔ compare
- Robust linjärprogrammeringSimulering↔ compare
- Stokastisk linjär programmeringSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →