بهینه سازی احتمالی (Probabilistic Optimization)، در ریاضیات (Mathematics)

انواع روش های بهینه سازی (Optimization Methods) را در آموزش زیر شرح دادیم :

بهینه سازی احتمالی (Probabilistic Optimization) :

📌 معرفی

بهینه سازی احتمالی (Probabilistic Optimization) یک اصطلاح کلی برای روش هایی است که از مفاهیم احتمال و آمار در فرآیند بهینه سازی استفاده می کنند. این اصطلاح می تواند شامل بهینه سازی تصادفی (با داده های تصادفی) و همچنین روش هایی باشد که خود الگوریتم از عناصر احتمالی استفاده می کند (مانند الگوریتم های مبتنی بر جمعیت با انتخاب تصادفی). گاهی اوقات بهینه سازی احتمالی مترادف با بهینه سازی تصادفی در نظر گرفته می شود.

🔧 زیرشاخه ها

برنامه ریزی احتمالی (Probabilistic Programming): یک چارچوب برای مدل سازی و استنتاج آماری که می تواند برای بهینه سازی نیز استفاده شود.

بهینه سازی با قیود احتمالی (Probabilistic Constrained Optimization): مشابه برنامه ریزی شانسی (Chance-Constrained).

روش های مونت کارلو (Monte Carlo Methods): استفاده از نمونه گیری تصادفی برای تخمین ویژگی های تابع هدف و هدایت جستجو.

الگوریتم های تخمین توزیع (Estimation of Distribution Algorithms - EDAs): یک دسته از الگوریتم های تکاملی که به جای عملگرهای ترکیب و جهش، یک مدل احتمالی از توزیع جواب های خوب می سازند و از آن نمونه برداری می کنند.