Bayesian Simulated Annealing — Global Optimering med Bayesianska Priorer
Bayesian Simulated Annealing (BSA) integrerar Bayesiansk prior kunskap om objektivlandskapet i simulerad anlöpningssökningsprocessen. Genom att koda trosuppfattningar om lovande regioner som priorfördelningar och uppdatera dem allt eftersom sökningen fortskrider, fokuserar BSA beräkningsinsatser på områden med hög sannolikhet i lösningsrymden, vilket accelererar konvergens och förbättrar lösningskvaliteten jämfört med oinformerad SA.
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
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk Genetisk AlgoritmSimulering↔ compare
- Bayesiansk optimeringOptimering↔ compare
- Genetisk algoritmOptimering↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- Simulated Annealing – Probabilistisk OptimeringOptimering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →