Luyện kim mô phỏng Bayes — Tối ưu hóa toàn cục với các tiên nghiệm Bayes
Luyện kim mô phỏng Bayes (BSA) tích hợp kiến thức tiên nghiệm Bayes về cảnh quan mục tiêu vào quá trình tìm kiếm luyện kim mô phỏng. Bằng cách mã hóa niềm tin về các vùng tiềm năng dưới dạng các phân phối tiên nghiệm và cập nhật chúng khi quá trình tìm kiếm tiến triển, BSA tập trung nỗ lực tính toán vào các khu vực có xác suất cao của không gian lời giải, đẩy nhanh quá trình hội tụ và cải thiện chất lượng lời giải so với SA không có thông tin.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Bayesian Simulated Annealing — Probabilistic global optimization with Bayesian priors on the energy landscape. ScholarGate. https://scholargate.app/vi/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.
- Thuật toán Di truyền BayesMô phỏng↔ compare
- Tối ưu hóa BayesTối ưu hóa↔ compare
- Thuật toán di truyềnTối ưu hóa↔ compare
- Markov Chain Monte Carlo (MCMC)Mô phỏng↔ compare
- Annealing mô phỏngTối ưu hóa↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →