Tutorial , optimization via simulation with bayesian statistics and dynamic programming
La estads̕tica bayesiana comprende un poderoso conjunto de mťodos para analizar sistemas simulados. Al combinarse con programacin̤ dinm̀ica y otros mťodos para la toma de decisiones secuencial bajo incertidumbre, los mťodos bayesianos han sido usados para diseńar algoritmos que encuentre...
Guardado en:
| Otros Autores: | , |
|---|---|
| Formato: | Libro |
| Lenguaje: | inglés |
| Materias: | |
| Acceso en línea: | Tutorial , optimization via simulation with bayesian statistics and dynamic programming |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | La estads̕tica bayesiana comprende un poderoso conjunto de mťodos para analizar sistemas simulados. Al combinarse con programacin̤ dinm̀ica y otros mťodos para la toma de decisiones secuencial bajo incertidumbre, los mťodos bayesianos han sido usados para diseńar algoritmos que encuentren la mejor entre varios sistemas simulados. Cuando la programacin̤ dinm̀ica puede ser resuelta de manera exacta, estos algoritmos tienen un desempeńo p̤timo en el promedio de los casos. En otras situaciones, este anl̀isis de programacin̤ dinm̀ica soporta el desarrollo de mťodos aproximados con subp̤timos aunque buenos desempeńos en el promedio de los casos.Estos l͠timos son particularmente t͠iles cuando el costo de la simulacin̤ previene el uso de procedimientos con garanta̕s de desempeńo estads̕tico del peor caso. En este documento se brinda una visin̤ general de los mťodos bayesianos empleados para seleccionar el mejor, proporcionando un tratamiento detallado del caso ms̀ simple de clasificacin̤ y seleccin̤ con priors apropiados independientes para problemas de pequeńa escala. |
|---|