Bayesian Mixed-Integer Programming — Assisterad optimering med surrogatmodeller över blandade heltalsdomäner
Bayesian Mixed-Integer Programming (BO-MIP) kombinerar en probabilistisk surrogatmodell — typiskt en Gaussisk process — med en lösningsalgoritm för blandad heltalsoptimering för att effektivt optimera dyra svart-låda-objektiv definierade över domäner som innehåller både kontinuerliga och diskreta eller heltalsvärderade beslutsvariabler. Metoden är särskilt värdefull när varje funktionsutvärdering är kostsam och uttömmande sökning är ogenomförbar.
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
- 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 ↗
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Mixed-Integer Programming — Surrogate-Assisted Optimization over Mixed-Integer Search Spaces. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk optimeringOptimering↔ compare
- HeltalsoptimeringSimulering↔ compare
- Flerkriterieoptimering med blandade heltal (MO-MIP)Simulering↔ compare
- Robust Mixed-Integer ProgrammingSimulering↔ compare
- Stokastisk Mixed-Integer ProgrammingSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →