Policy Scenario Genetic Algorithm — Evolusjonær søk over policy-alternativrom
Policy Scenario Genetic Algorithm (PSGA) anvender evolusjonært søk for systematisk å utforske store, kombinatoriske policy-alternativrom under multiple fremtidige scenarier. I stedet for å uttømmende oppregne alternativer, avler den suksessive generasjoner av kandidatpolicyer, beholder de som presterer godt under ulike scenarioforhold, og gir robuste, høyytende policy-anbefalinger.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Policy Scenario Genetic Algorithm — Evolutionary Search over Discrete Policy Alternative Spaces. ScholarGate. https://scholargate.app/no/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.
- Genetisk algoritmeOptimering↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulering↔ compare
- Analyse av politikkscenarierSimulering↔ compare
- Policy Scenario Multi-Objective OptimizationSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →