Algoritma Genetik Bayesian — Pengoptimuman evolusioner berpandukan model probabilistik
Algoritma Genetik Bayesian (BGA) menggantikan pengendali persilangan dan mutasi tradisional dengan rangkaian Bayesian probabilistik yang dipelajari daripada individu berkefizikalan tinggi yang dipilih. Pada setiap generasi, algoritma membina model grafik struktur penyelesaian yang menjanjikan, kemudian mengambil sampel anak baharu daripada model tersebut, membolehkan carian menangkap dan mengeksploitasi kebergantungan pemboleh ubah yang terlepas oleh GA standard.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/ms/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.
- Bayesian Multi-Objective OptimizationSimulasi↔ compare
- Pengoptimuman BayesianPengoptimuman↔ compare
- Algoritma GenetikPengoptimuman↔ compare
- Particle Swarm Optimization (PSO)Pengoptimuman↔ compare
- Algoritma Genetik StokastikSimulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →