Process / pipelineSimulation / optimization
확률적 유전 알고리즘 — 최적화를 위한 무작위 진화 탐색
확률적 유전 알고리즘(Stochastic Genetic Algorithm, SGA)은 복잡하고 비선형적이거나 조합적인 공간에서 거의 최적인 해를 탐색하기 위해 생물학적 진화(선택, 교차, 돌연변이)를 모방하는 개체군 기반 메타휴리스틱입니다. 이 알고리즘의 무작위 연산자는 지역 최적점에 대한 강건성을 부여하며, 공학, 스케줄링, 기계 학습, 운영 연구 전반에 걸쳐 광범위하게 적용될 수 있습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/ko/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.
- 유전 알고리즘최적화↔ compare
- 입자 군집 최적화 (PSO)최적화↔ compare
- 모의 담금질최적화↔ compare
- 불확실성 하에서 다중 상충 목표를 최적화하는 확률적 다목표 최적화시뮬레이션↔ compare
- 확률적 입자 군집 최적화시뮬레이션↔ compare