قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التحسين البايزي متعدد الأهداف (MOBO)
امتداد للتحسين البايزي يستخدم نماذج بديلة لتوجيه البحث عن جبهة باريتو مع عدد أدنى من التقييمات المكلفة.
العملية الغوسية متعددة الأهداف
نموذج بديل حيث يتم نمذجة كل دالة هدف من خلال عملية غوسية فردية، تلتقط عدم اليقين والارتباط بين الأهداف.
دالة الاستحواذ متعددة الأهداف
معيار يستغل المقايضة بين الاستكشاف والاستغلال لاختيار النقطة التالية للتقييم، بناءً على تنبؤات وعدم يقين النموذج البديل.
التحسن المتوقع في الحجم الفائق (EHVI)
دالة استحواذ تحسب التوقع لتحسين الحجم الفائق لجبهة باريتو الحالية إذا تم تقييم نقطة جديدة.
التحسن المتوقع لجبهة باريتو (PFEI)
دالة استحواذ تقدر التحسين المحتمل لجبهة باريتو من خلال تقييم نقطة جديدة، بناءً على احتمالية عدم الهيمنة.
معيار الحد الأدنى للثقة متعدد الأهداف (LCB)
دالة استحواذ متشائمة تحسن مجموعة خطية من المتوسط والتباين المتوقعين من النموذج لكل هدف.
تحسين تنوع الجبهة
إستراتيجية تهدف إلى الحفاظ على توزيع جيد للحلول على جبهة باريتو لتجنب التركيز في منطقة واحدة من فضاء الأهداف.
التحجيم
تقنية تحول مشكلة متعددة الأهداف إلى مشكلة أحادية الهدف من خلال ترجيح الأهداف المختلفة، غالباً ما تستخدم لتعريف دوال الاستحواذ.
كريجينغ متعدد الأهداف
مرادف لاستخدام العمليات الغوسية للنمذجة متعددة الأهداف، موروث من مجال الجيوإحصاء حيث الكريجينغ هو طريقة للاستيفاء.
مؤشر إبسيلون
مقياس جودة يقيس أسوأ أداء لمجموعة من الحلول مقارنة بمجموعة أخرى، من خلال قياس العامل الذي يجب به تدهور الجبهة لتسيطر على أخرى.
التحسين البايزي متعدد الأهداف القائم على التحليل
نهج يحلل المشكلة متعددة الأهداف إلى عدة مشاكل فرعية أحادية الهدف، يتم حل كل منها عن طريق تحسين بايزي قياسي.
التحسين البايزي متعدد الأهداف الدفعي
نوع من التحسين البايزي متعدد الأهداف حيث يتم اختيار عدة نقاط في وقت واحد للتقييم، غالباً بالتوازي، لتسريع عملية التحسين.