Politikas scenāriju ģenētiskais algoritms — Evolucionāra meklēšana politikas alternatīvu telpās
Politikas scenāriju ģenētiskais algoritms (PSGA) izmanto evolucionāru meklēšanu, lai sistemātiski izpētītu lielas, kombinatoriskas politikas alternatīvu telpas vairākos nākotnes scenārijos. Tā vietā, lai izsmeļoši uzskaitītu iespējas, tas audzē kandidātu politiku secīgas paaudzes, saglabājot tās, kas labi darbojas dažādos scenāriju apstākļos, tādējādi iegūstot stabilus, augstas veiktspējas politikas ieteikumus.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Policy Scenario Genetic Algorithm — Evolutionary Search over Discrete Policy Alternative Spaces. ScholarGate. https://scholargate.app/lv/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.
- Ģenētiskais algoritmsOptimizācija↔ compare
- Daudzobjektīvu ģenētisks algoritms (MOGA)Simulācija↔ compare
- Politikas scenāriju analīzeSimulācija↔ compare
- Daudzobjektīvu optimizācija politikas scenārijiemSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →