Stochastic Genetic Algorithm — Randomizēta evolūcijas meklēšana optimizācijai
Stohastiskais ģenētiskais algoritms (SGA) ir uz populāciju balstīta metaheuristika, kas atdarina bioloģisko evolūciju — selekciju, krustojumu un mutāciju — lai meklētu gandrīz optimālus risinājumus sarežģītās, nelineārās vai kombinatoriskās telpās. Tā randomizētie operatori padara to noturīgu pret lokālajiem optimiem un plaši piemērojamu inženierzinātnēs, plānošanā, mašīnmācīšanā un operāciju pētniecībā.
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. ISBN: 978-0262581110
- Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA. ISBN: 978-0201157673
Kā citēt šo lapu
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/lv/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.
- Ģenētiskais algoritmsOptimizācija↔ compare
- Particle Swarm Optimization (PSO)Optimizācija↔ compare
- Simulated AnnealingOptimizācija↔ compare
- Stochastic Multi-Objective OptimizationSimulācija↔ compare
- Stohastiskā daļiņu baru optimizācijaSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →