الگوریتم ژنتیک سناریوی خطمشی — جستجوی تکاملی در فضاهای جایگزین خطمشی
الگوریتم ژنتیک سناریوی خطمشی (Policy Scenario Genetic Algorithm - PSGA) از جستجوی تکاملی برای کاوش سیستماتیک فضاهای بزرگ و ترکیبی از جایگزینهای خطمشی تحت سناریوهای متعدد آینده استفاده میکند. به جای شمارش جامع گزینهها، نسلهای متوالی از خطمشیهای کاندید را پرورش میدهد، آنهایی را که در شرایط سناریو عملکرد خوبی دارند حفظ میکند و توصیههای خطمشی قوی و با عملکرد بالا ارائه میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Holland, J. H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, MI. ISBN: 9780262581110
- Lempert, R. J., Popper, S. W., & Bankes, S. C. (2003). Shaping the Next One Hundred Years: New Methods for Quantitative, Long-Term Policy Analysis. RAND Corporation, Santa Monica, CA. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Policy Scenario Genetic Algorithm — Evolutionary Search over Discrete Policy Alternative Spaces. ScholarGate. https://scholargate.app/fa/simulation/policy-scenario-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.
- الگوریتم ژنتیکبهینهسازی↔ compare
- الگوریتم ژنتیک چندهدفه (MOGA)شبیهسازی↔ compare
- تحلیل سناریوی خطمشیشبیهسازی↔ compare
- بهینهسازی چندهدفه سناریوهای سیاستیشبیهسازی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →