Deterministinen geneettinen algoritmi — Evolutiivinen optimointi ilman satunnaisuutta
Deterministinen geneettinen algoritmi (DGA) soveltaa evolutiivisen laskennan rakenteellista viitekehystä — populaatiota, valintaa, risteytystä ja korvaamista — käyttäen täysin deterministisiä operaattoreita ja kiinteitä päätössääntöjä stokastisen otannan sijaan. Poistamalla satunnaisuus algoritmista tulee täysin toistettava: sen suorittaminen kahdesti samalla ongelmalla tuottaa identtiset ratkaisut, mikä tekee siitä käsiteltävän tiukkaa vertailuanalyysiä, toistettavuustutkimuksia ja järjestelmiä varten, joissa stokastisuus on epätoivottavaa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA. ISBN: 9780201157673
- Mahfoud, S. W. (1995). Niching methods for genetic algorithms. IlliGAL Report No. 95001, University of Illinois at Urbana-Champaign. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Deterministic Genetic Algorithm — Evolutionary optimization with deterministic selection and operators. ScholarGate. https://scholargate.app/fi/simulation/deterministic-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.
- Deterministinen hiukkaparvioptimointiSimulointi↔ compare
- Genetiikka-algoritmiOptimointi↔ compare
- Monitavoitteinen geneettinen algoritmi (MOGA)Simulointi↔ compare
- Simulated AnnealingOptimointi↔ compare
- Stokastinen geneettinen algoritmiSimulointi↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →