Байєсівське цільове програмування
Байєсівське цільове програмування (BGP) інтегрує байєсівський статистичний висновок із класичним цільовим програмуванням для роботи з невизначеністю в цільових показниках та параметрах. Замість того, щоб розглядати порогові значення цілей як фіксовані константи, BGP кодує їх як розподіли ймовірностей, оновлює переконання за допомогою спостережуваних даних, а потім розв'язує отриману ймовірнісну оптимізаційну задачу для пошуку рішень, які задовольняють множинні аспіраційні цілі за умов невизначеності.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Goal Programming. ScholarGate. https://scholargate.app/uk/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.
- Байєсівське динамічне програмуванняІмітаційне моделювання↔ compare
- Байєсівська багатоцільова оптимізаціяІмітаційне моделювання↔ compare
- Програмування цілейПрийняття рішень↔ compare
- Багатокритеріальна оптимізаціяІмітаційне моделювання↔ compare
- Программування цілей з робастністюІмітаційне моделювання↔ compare
- Стохастичне цільове програмуванняІмітаційне моделювання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →