Bayesiešuņetiskais algoritms — Probabilistisks modelis vadīta evolūcijas optimizācija
Bayesieņetiskais algoritms (BGA) aizstāv tradicionālos krustošanās un mutācijas operatorus ar probabilistisku Bayesieņu tīklu, kas tiek apmācēta no atlasīdiem augstas piemērotības indivīdiem. Katrā paaudzē algoritms veido grafisko modeli daudzo solīju struktūrām, tad no ņēņa uzņem jaunus pēcnņus no ņēņa, tādējādiņējot meklēšanu uztvert un izmantot mainīgo atkarības, ko standarta GA nepamanā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
- Larranaga, P., & Lozano, J. A. (Eds.) (2002). Estimation of Distribution Algorithms: A New Tool for Evolutionary Computation. Kluwer Academic Publishers, Boston. ISBN: 9781461352747
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/lv/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.
- Beiziešu daudzobjektīvu optimizācijaSimulācija↔ compare
- Optimizācija ar Bajesas metodiOptimizācija↔ compare
- Ģenētiskais algoritmsOptimizācija↔ compare
- Particle Swarm Optimization (PSO)Optimizācija↔ compare
- Stochastic Genetic AlgorithmSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →