Process / pipelineSimulation / optimization

Στοχαστικός Γενετικός Αλγόριθμος — Τυχαιοποιημένη Εξελικτική Αναζήτηση για Βελτιστοποίηση

Ο Στοχαστικός Γενετικός Αλγόριθμος (SGA) είναι μια μεταευρετική βασισμένη σε πληθυσμό που μιμείται τη βιολογική εξέλιξη — επιλογή, διασταύρωση και μετάλλαξη — για την αναζήτηση σχεδόν βέλτιστων λύσεων σε σύνθετους, μη γραμμικούς ή συνδυαστικούς χώρους. Οι τυχαιοποιημένοι τελεστές του τον καθιστούν ανθεκτικό σε τοπικά βέλτιστα και ευρέως εφαρμόσιμο σε μηχανική, χρονοπρογραμματισμό, μηχανική μάθηση και έρευνα επιχειρησιακών λειτουργιών.

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. Holland, J. H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor. ISBN: 978-0262581110
  2. Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA. ISBN: 978-0201157673

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateStochastic Genetic Algorithm (Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/simulation/stochastic-genetic-algorithm · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026