ScholarGate
Βοηθός
Process / pipelineSimulation / optimization

Γενετικός Αλγόριθμος Εύρωστης Απόδοσης — Εξελικτική Βελτιστοποίηση υπό Αβεβαιότητα

Ο Γενετικός Αλγόριθμος Εύρωστης Απόδοσης (Robust Genetic Algorithm - RGA) επεκτείνει τους τυπικούς γενετικούς αλγορίθμους για να βρει λύσεις που αποδίδουν καλά όχι μόνο στο ονομαστικό σημείο σχεδιασμού, αλλά και όταν υπόκεινται σε αβεβαιότητα στις μεταβλητές απόφασης, τις παραμέτρους ή τις αξιολογήσεις καταλληλότητας. Ενσωματώνοντας ρητά μέτρα εύρωστης απόδοσης στην πίεση επιλογής, ο RGA εξισορροπεί τη βελτιστότητα έναντι της ευαισθησίας στις διαταραχές, καθιστώντας τον κατάλληλο για μηχανικό σχεδιασμό, χρονοπρογραμματισμό και βελτιστοποίηση πολιτικής υπό πραγματική μεταβλητότητα.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Jin, Y., Branke, J. (2005). Evolutionary optimization in uncertain environments — a survey. IEEE Transactions on Evolutionary Computation, 9(3), 303–317. DOI: 10.1109/TEVC.2005.846356
  2. Beyer, H.-G., Sendhoff, B. (2007). Robust optimization — A comprehensive survey. Computer Methods in Applied Mechanics and Engineering, 196(33–34), 3190–3218. DOI: 10.1016/j.cma.2007.03.003

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Robust Genetic Algorithm — Evolutionary Optimization under Uncertainty. ScholarGate. https://scholargate.app/el/simulation/robust-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.

Compare side by side

Αναφέρεται από

ScholarGateRobust Genetic Algorithm (Robust Genetic Algorithm — Evolutionary Optimization under Uncertainty). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/simulation/robust-genetic-algorithm · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026