Bayesscher Genetischer Algorithmus — Probabilistisch modellgestützte evolutionäre Optimierung
Ein Bayesscher Genetischer Algorithmus (BGA) ersetzt traditionelle Kreuzungs- und Mutationsoperatoren durch ein probabilistisches Bayessches Netz, das aus ausgewählten Individuen mit hoher Fitness gelernt wird. In jeder Generation baut der Algorithmus ein grafisches Modell vielversprechender Lösungsstrukturen auf und zieht dann neue Nachkommen aus diesem Modell, wodurch die Suche in die Lage versetzt wird, Abhängigkeiten zwischen Variablen zu erfassen und auszunutzen, die Standard-GAs übersehen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/de/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.
- Bayesian Multi-Objective OptimizationSimulation↔ compare
- Bayesian OptimizationOptimierung↔ compare
- Genetischer AlgorithmusOptimierung↔ compare
- Partikelschwarmoptimierung (PSO)Optimierung↔ compare
- Stochastischer Genetischer AlgorithmusSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →