ScholarGate
Asisten
Process / pipelineSimulation / optimization

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.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. 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
  2. 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.

Compare side by side

Dirujuk oleh

ScholarGateBayesian Genetic Algorithm (Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization). Diakses 2026-06-15 dari https://scholargate.app/id/simulation/bayesian-genetic-algorithm · Set data: https://doi.org/10.5281/zenodo.20539026