Bayesiansk Genetisk Algoritme — Probabilistisk model-guidet evolutionær optimering
En Bayesiansk Genetisk Algoritme (BGA) erstatter traditionelle krydsnings- og mutationsoperatorer med et probabilistisk Bayesiansk netværk lært fra udvalgte individer med høj fitness. I hver generation opbygger algoritmen en grafisk model af lovende løsningsstrukturer, sampler derefter nye afkom fra den model, hvilket gør det muligt for søgningen at fange og udnytte variable-afhængigheder, som standard GA'er misser.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk multi-objektiv optimeringSimulering↔ compare
- Bayesiansk optimeringOptimering↔ compare
- Genetisk AlgoritmeOptimering↔ compare
- Partikelsværmoptimering (PSO)Optimering↔ compare
- Stochastic Genetic AlgorithmSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →