Bayesovský genetický algoritmus — Evoluční optimalizace řízená pravděpodobnostním modelem
Bayesovský genetický algoritmus (BGA) nahrazuje tradiční operátory křížení a mutace pravděpodobnostní Bayesovskou sítí naučenou z vybraných jedinců s vysokou zdatností. V každé generaci algoritmus buduje grafický model slibných struktur řešení, poté z tohoto modelu vzorkuje nové potomstvo, což umožňuje vyhledávání zachytit a využít závislosti mezi proměnnými, které standardní GA přehlížejí.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Pelikan, M., Goldberg, D. E., & Cantu-Paz, E. (1999). BOA: The Bayesian optimization algorithm. In Proceedings of the Genetic and Evolutionary Computation Conference (GECCO-1999), pp. 525–532. Morgan Kaufmann. link ↗
- Larranaga, P., & Lozano, J. A. (Eds.) (2002). Estimation of Distribution Algorithms: A New Tool for Evolutionary Computation. Kluwer Academic Publishers, Boston. ISBN: 9781461352747
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/cs/simulation/bayesian-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.
- Bayesovská víceobjektivní optimalizaceSimulace↔ compare
- Bayesovská optimalizaceOptimalizace↔ compare
- Genetický algoritmusOptimalizace↔ compare
- Optimalizace rojem částic (PSO)Optimalizace↔ compare
- Stochastický genetický algoritmusSimulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →