Stochastischer Genetischer Algorithmus — Zufällige Evolutionäre Suche zur Optimierung
Der Stochastische Genetische Algorithmus (SGA) ist eine populationsbasierte Metaheuristik, die die biologische Evolution — Selektion, Crossover und Mutation — nachahmt, um in komplexen, nichtlinearen oder kombinatorischen Räumen nach nahezu optimalen Lösungen zu suchen. Seine zufälligen Operatoren machen ihn robust gegenüber lokalen Optima und breit anwendbar in den Bereichen Ingenieurwesen, Zeitplanung, maschinelles Lernen und Operations Research.
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
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/de/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.
- Genetischer AlgorithmusOptimierung↔ compare
- Partikelschwarmoptimierung (PSO)Optimierung↔ compare
- Simulated AnnealingOptimierung↔ compare
- Stochastische Multi-Objektiv-OptimierungSimulation↔ compare
- Stochastische PartikelschwarmoptimierungSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →