Process / pipeline

유전 알고리즘 — 진화적 최적화

유전 알고리즘(GA)은 존 헨리 홀랜드(1975)가 소개한 모집단 기반 메타휴리스틱 최적화 방법으로, 자연 선택의 원리를 모방합니다. 후보 해법의 모집단을 유지하고 선택, 교차, 돌연변이 연산자를 통해 반복적으로 개선함으로써, 특히 고전적인 기울기 기반 방법이 실패하는 불연속적이고, 볼록하지 않으며, 다봉형 탐색 공간에서 강력합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

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

유전 알고리즘

개미 군집 최적화 차등 진화 NSGA-II 입자 군집 최적화 (PSO)모의 담금질 에이전트 기반 개미 군집 최적화 에이전트 기반 유전 알고리즘 산술 최적화 알고리즘 인공 벌 군집 (Artificial Bee…베이즈 유전 알고리즘

+23 more

출처

Holland, J.H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press. link ↗
Deb, K. (2001). Multi-Objective Optimization using Evolutionary Algorithms. Wiley. ISBN: 9780471873396

이 페이지 인용 방법

ScholarGate. (2026, June 1). Genetic Algorithm — Evolutionary Optimization. ScholarGate. https://scholargate.app/ko/optimization/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 →

이 방법을 참조하는 항목

에이전트 기반 개미 군집 최적화 에이전트 기반 유전 알고리즘 개미 군집 최적화 산술 최적화 알고리즘 인공 벌 군집 (Artificial Bee Colony, ABC) 최적화 베이즈 유전 알고리즘 베이지안 시뮬레이티드 어닐링 뻐꾸기 탐색 결정론적 유전 알고리즘 결정론적 입자 군집 최적화 차등 진화 진화 전략 (CMA-ES)반딧불이 알고리즘 회색늑대 최적화 하모니 탐색 하이브리드 반응 표면 방법론 하이퍼휴리스틱 Memetic Algorithm Mixed-Integer Programming 다목적 유전 알고리즘 (MOGA)다목적 최적화 NEAT: NeuroEvolution of Augmenting Topologies NSGA-II 입자 군집 최적화 (PSO)정책 시나리오 유전 알고리즘 강건 유전 알고리즘 모의 담금질 점균 알고리즘 확률적 유전 알고리즘 확률적 타부 탐색 Tabu Search Variable Neighborhood Search (VNS)고래 최적화 알고리즘 (Whale Optimization Algorithm, WOA)

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →