Algoritma Genetika Skenario Kebijakan — Pencarian Evolusioner pada Ruang Alternatif Kebijakan
Algoritma Genetika Skenario Kebijakan (Policy Scenario Genetic Algorithm - PSGA) menerapkan pencarian evolusioner untuk secara sistematis mengeksplorasi ruang alternatif kebijakan yang besar dan kombinatorial di bawah berbagai skenario masa depan. Alih-alih menghitung semua opsi secara menyeluruh, algoritma ini membiakkan generasi kandidat kebijakan yang berurutan, mempertahankan kebijakan yang berkinerja baik di berbagai kondisi skenario, sehingga menghasilkan rekomendasi kebijakan yang kuat dan berkinerja tinggi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Holland, J. H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, MI. ISBN: 9780262581110
- Lempert, R. J., Popper, S. W., & Bankes, S. C. (2003). Shaping the Next One Hundred Years: New Methods for Quantitative, Long-Term Policy Analysis. RAND Corporation, Santa Monica, CA. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Policy Scenario Genetic Algorithm — Evolutionary Search over Discrete Policy Alternative Spaces. ScholarGate. https://scholargate.app/id/simulation/policy-scenario-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.
- Algoritma GenetikOptimasi↔ compare
- Algoritma Genetika Multi-Objektif (MOGA)Simulasi↔ compare
- Analisis Skenario KebijakanSimulasi↔ compare
- Optimasi Multi-Objektif Skenario KebijakanSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →