Stochastický genetický algoritmus — Náhodné evoluční vyhledávání pro optimalizaci
Stochastický genetický algoritmus (SGA) je metaheuristika založená na populaci, která napodobuje biologickou evoluci — selekci, křížení a mutaci — k vyhledávání téměř optimálních řešení ve složitých, nelineárních nebo kombinatorických prostorech. Jeho náhodné operátory jej činí odolným vůči lokálním optimům a široce aplikovatelným v inženýrství, plánování, strojovém učení a operačním výzkumu.
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
- Holland, J. H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor. ISBN: 978-0262581110
- Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA. ISBN: 978-0201157673
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/cs/simulation/stochastic-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.
- Genetický algoritmusOptimalizace↔ compare
- Optimalizace rojem částic (PSO)Optimalizace↔ compare
- Simulated AnnealingOptimalizace↔ compare
- Stochastická multikriteriální optimalizaceSimulace↔ compare
- Stochastická optimalizace rojem částicSimulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →