Algorisme Genètic Robut — Optimització Evolutiva sota Incerteza
L'Algorisme Genètic Robut (RGA) estén els algorismes genètics estàndard per trobar solucions que tinguin un bon rendiment no només en el punt de disseny nominal, sinó també quan estan subjectes a incertesa en les variables de decisió, paràmetres o avaluacions de la funció de costos. En incorporar mesures explícites de robustesa a la pressió selectiva, l'RGA equilibra l'optimització amb la sensibilitat a les pertorbacions, fent-lo adequat per al disseny d'enginyeria, la planificació i l'optimització de polítiques sota la variabilitat del món real.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Robust Genetic Algorithm — Evolutionary Optimization under Uncertainty. ScholarGate. https://scholargate.app/ca/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.
- Algorisme genèticOptimització↔ compare
- Algorisme Genètic Multiobjectiu (MOGA)Simulació↔ compare
- Optimització Robusta Multi-ObjectiuSimulació↔ compare
- Optimització robusta per eixam de partículesSimulació↔ compare
- Annealing Simulat ResilientSimulació↔ compare
- Algorisme Genètic EstocàsticSimulació↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →