Determinisztikus Genetikai Algoritmus — Evolúciós Optimalizálás Véletlenség Nélkül
A Determinisztikus Genetikai Algoritmus (DGA) az evolúciós számítások szerkezeti keretét — populáció, szelekció, rekombináció és csere — használja, kizárólag determinisztikus operátorokkal és rögzített döntési szabályokkal, nem pedig sztochasztikus mintavételezéssel. A véletlenszerűség kiküszöbölésével az algoritmus teljesen reprodukálhatóvá válik: kétszeri futtatása ugyanazon a problémán azonos megoldásokat eredményez, így alkalmas szigorú összehasonlító értékelésre, reprodukálhatósági tanulmányokra és olyan rendszerekre, ahol a sztochaszticitás nem kívánatos.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Deterministic Genetic Algorithm — Evolutionary optimization with deterministic selection and operators. ScholarGate. https://scholargate.app/hu/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.
- Determinisztikus Részecske-raj OptimalizálásSzimuláció↔ compare
- Genetikus algoritmusOptimalizálás↔ compare
- Multi-objective genetic algorithmSzimuláció↔ compare
- Szimulált hűtésOptimalizálás↔ compare
- Sztochasztikus Genetikus AlgoritmusSzimuláció↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →