Algorithme Génétique Stochastique — Recherche Évolutionnaire Aléatoire pour l'Optimisation
L'Algorithme Génétique Stochastique (AGS) est une métaheuristique basée sur la population qui imite l'évolution biologique — sélection, croisement et mutation — pour rechercher des solutions quasi optimales dans des espaces complexes, non linéaires ou combinatoires. Ses opérateurs aléatoires le rendent robuste face aux optima locaux et largement applicable en ingénierie, en planification, en apprentissage automatique et en recherche opérationnelle.
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
- Holland, J. H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor. ISBN: 978-0262581110
- Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA. ISBN: 978-0201157673
Comment citer cette page
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/fr/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.
- Algorithme génétiqueOptimisation↔ compare
- Optimisation par essaim particulaire (PSO)Optimisation↔ compare
- Recuit simuléOptimisation↔ compare
- Optimisation stochastique multi-objectifsSimulation↔ compare
- Optimisation par essaim particulaire stochastiqueSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →