Stochastic Optimization: a Review

Summary

en

We review three leading stochastic optimization methods—simulated annealing, genetic algorithms, and tabu search. In each case we analyze the method, give the exact algorithm, detail advantages and disadvantages, and summarize the literature on optimal values of the inputs. As a motivating example we describe the solution—using Bayesian decision theory, via maximization of expected utility—of a variable selection problem in generalized linear models, which arises in the cost‐effective construction of a patient sickness‐at‐admission scale as part of an effort to measure quality of hospital care.

Résumé

fr

Nous examinons trois méthodes principales d'optimisation stochastique. Dans chaque cas nous analysons la méthode, donnons l'algorithme exact, détaillons les avantages et inconvénients la et résumons la littérature sur les valeurs optimales des facteurs. Comme example significatif nous décrivons la solution—utilisant la théorie de décision Bayésienne, via la maximisation de l'utilité attendue—d'un problème de sélection de variable dans les modéles linéaires généralisés, qui se pose dans la construction coût‐efficacité de l'échelle de maladie à l'admission d'un patient comme partie d'un effort pour mesurer la qualité du service hospitalier.