Algorithme Génétique Bayésien — Optimisation évolutionniste guidée par un modèle probabiliste
Un Algorithme Génétique Bayésien (AGB) remplace les opérateurs traditionnels de croisement et de mutation par un réseau bayésien probabiliste appris à partir d'individus sélectionnés de haute aptitude. À chaque génération, l'algorithme construit un modèle graphique de la structure prometteuse des solutions, puis échantillonne de nouveaux descendants à partir de ce modèle, permettant à la recherche de capturer et d'exploiter les dépendances de variables que les AG standard manquent.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Pelikan, M., Goldberg, D. E., & Cantu-Paz, E. (1999). BOA: The Bayesian optimization algorithm. In Proceedings of the Genetic and Evolutionary Computation Conference (GECCO-1999), pp. 525–532. Morgan Kaufmann. link ↗
- Larranaga, P., & Lozano, J. A. (Eds.) (2002). Estimation of Distribution Algorithms: A New Tool for Evolutionary Computation. Kluwer Academic Publishers, Boston. ISBN: 9781461352747
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/fr/simulation/bayesian-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.
- Optimisation bayésienne multi-objectifsSimulation↔ compare
- Optimisation bayésienneOptimisation↔ compare
- Algorithme génétiqueOptimisation↔ compare
- Optimisation par essaim particulaire (PSO)Optimisation↔ compare
- Algorithme Génétique StochastiqueSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →