Algoritma Genetika Bayesian — Optimasi evolusioner yang dipandu model probabilistik
Algoritma Genetika Bayesian (BGA) menggantikan operator persilangan (crossover) dan mutasi tradisional dengan jaringan Bayesian probabilistik yang dipelajari dari individu-individu berkinerja tinggi yang terpilih. Pada setiap generasi, algoritma membangun model grafis dari struktur solusi yang menjanjikan, kemudian mengambil sampel turunan baru dari model tersebut, memungkinkan pencarian untuk menangkap dan memanfaatkan dependensi variabel yang terlewatkan oleh GA standar.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/id/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.
- Optimasi Multi-Objektif BayesianSimulasi↔ compare
- Optimasi BayesianOptimasi↔ compare
- Algoritma GenetikOptimasi↔ compare
- Particle Swarm Optimization (PSO)Optimasi↔ compare
- Algoritma Genetika StokastikSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →