Algoritma Genetika Stokastik — Pencarian Evolusioner Acak untuk Optimasi
Algoritma Genetika Stokastik (SGA) adalah metaheuristik berbasis populasi yang meniru evolusi biologis — seleksi, persilangan (crossover), dan mutasi — untuk mencari solusi mendekati optimal dalam ruang yang kompleks, nonlinier, atau kombinatorial. Operator acaknya membuatnya kuat terhadap optimum lokal dan dapat diterapkan secara luas di bidang teknik, penjadwalan, pembelajaran mesin, dan riset operasi.
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. ISBN: 978-0262581110
- Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA. ISBN: 978-0201157673
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/id/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.
- Algoritma GenetikOptimasi↔ compare
- Particle Swarm Optimization (PSO)Optimasi↔ compare
- Annealing SimulasiOptimasi↔ compare
- Optimisasi Stokastik Multi-ObjektifSimulasi↔ compare
- Stochastic Particle Swarm OptimizationSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →