Детерминистичен генетичен алгоритъм — Еволюционна оптимизация без случайност
Детерминистичен генетичен алгоритъм (DGA) прилага структурната рамка на еволюционните изчисления — популация, селекция, кросоувър и заместване — като използва изцяло детерминистични оператори и фиксирани правила за вземане на решения вместо стохастично семплиране. Чрез елиминиране на случайността алгоритъмът става напълно възпроизводим: двукратното му изпълнение върху един и същ проблем води до идентични решения, което го прави приложим за строги сравнителни тестове, изследвания на възпроизводимостта и системи, където стохастичността е нежелателна.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA. ISBN: 9780201157673
- Mahfoud, S. W. (1995). Niching methods for genetic algorithms. IlliGAL Report No. 95001, University of Illinois at Urbana-Champaign. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Deterministic Genetic Algorithm — Evolutionary optimization with deterministic selection and operators. ScholarGate. https://scholargate.app/bg/simulation/deterministic-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.
- Детерминистична оптимизация чрез рояк от частициСимулационно моделиране↔ compare
- Генетичен алгоритъмОптимизация↔ compare
- Многокритериален генетичен алгоритъм (MOGA)Симулационно моделиране↔ compare
- Симулирано отгряванеОптимизация↔ compare
- Стохастичен генетичен алгоритъмСимулационно моделиране↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →