Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Байєсівське лінійне програмування× | Лінійне програмування з детермінованими параметрами× | |
|---|---|---|
| Галузь | Імітаційне моделювання | Імітаційне моделювання |
| Родина | Process / pipeline | Process / pipeline |
| Рік появи≠ | 1970s–1980s | 1947 |
| Автор методу≠ | Integrated from Dantzig (LP) and Zellner/Bayesian econometrics traditions | George B. Dantzig |
| Тип≠ | Optimization under Bayesian uncertainty | Deterministic mathematical optimization |
| Основоположне джерело | Dantzig, G. B. (1963). Linear Programming and Extensions. Princeton University Press, Princeton, NJ. ISBN: 9780691059136 | Dantzig, G. B. (1963). Linear Programming and Extensions. Princeton University Press, Princeton, NJ. ISBN: 9780691059136 |
| Інші назви | BLP, Bayesian LP, Bayesian stochastic linear programming, prior-posterior LP | Classical LP, Deterministic LP, DLP, Linear Optimization |
| Пов'язані≠ | 6 | 5 |
| Підсумок≠ | Bayesian Linear Programming (BLP) integrates Bayesian statistical inference with classical linear programming to handle uncertainty in model parameters such as objective function coefficients, constraint coefficients, or right-hand-side values. Instead of treating parameters as fixed or governed by worst-case bounds, BLP uses prior beliefs updated by data to form posterior distributions, which then guide the LP formulation and solution, producing decisions that are optimal in a probabilistic, data-informed sense. | Deterministic Linear Programming (DLP) is the classical form of linear programming in which all objective function coefficients, constraint coefficients, and right-hand-side values are known with certainty. It finds the optimal allocation of resources to maximize or minimize a linear objective subject to linear constraints, providing an exact, reproducible solution under fixed, certain data. |
| ScholarGateНабір даних ↗ |
|
|