خوارزمية جينية قوية — التحسين التطوري في ظل عدم اليقين
تمتد الخوارزمية الجينية القوية (RGA) على الخوارزميات الجينية القياسية لإيجاد حلول تؤدي أداءً جيدًا ليس فقط عند نقطة التصميم الاسمية ولكن أيضًا عند تعرضها لعدم اليقين في متغيرات القرار أو المعلمات أو تقييمات اللياقة. من خلال دمج مقاييس قوة صريحة في ضغط الاختيار، توازن RGA بين المثالية والحساسية للاضطراب، مما يجعلها مناسبة لتصميم الهندسة والجدولة وتحسين السياسات في ظل التباين في العالم الحقيقي.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Jin, Y., Branke, J. (2005). Evolutionary optimization in uncertain environments — a survey. IEEE Transactions on Evolutionary Computation, 9(3), 303–317. DOI: 10.1109/TEVC.2005.846356 ↗
- Beyer, H.-G., Sendhoff, B. (2007). Robust optimization — A comprehensive survey. Computer Methods in Applied Mechanics and Engineering, 196(33–34), 3190–3218. DOI: 10.1016/j.cma.2007.03.003 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Robust Genetic Algorithm — Evolutionary Optimization under Uncertainty. ScholarGate. https://scholargate.app/ar/simulation/robust-genetic-algorithm
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.
- الخوارزمية الجينيةالتحسين↔ compare
- الخوارزمية الجينية متعددة الأهداف (MOGA)المحاكاة↔ compare
- التحسين القوي متعدد الأهدافالمحاكاة↔ compare
- تحسين سرب الجسيمات القوي (Robust Particle Swarm Optimization)المحاكاة↔ compare
- المحاكاة الصلبة للتلدين (Robust Simulated Annealing)المحاكاة↔ compare
- الخوارزمية الجينية العشوائيةالمحاكاة↔ compare