Robust genetisk algoritme – evolusjonær optimering under usikkerhet
Den robuste genetiske algoritmen (RGA) utvider standard genetiske algoritmer for å finne løsninger som presterer godt, ikke bare ved det nominelle designpunktet, men også når de utsettes for usikkerhet i beslutningsvariabler, parametere eller evalueringer av egnethet. Ved å inkorporere eksplisitte robusthetsmål i seleksjonstrykket, balanserer RGA optimalitet mot følsomhet for perturbasjon, noe som gjør den egnet for ingeniørdesign, planlegging og policyoptimering under reell variabilitet.
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
- Jin, Y., Branke, J. (2005). Evolutionary optimization in uncertain environments — a survey. IEEE Transactions on Evolutionary Computation, 9(3), 303–317. DOI: 10.1109/TEVC.2005.846356 ↗
- Beyer, H.-G., Sendhoff, B. (2007). Robust optimization — A comprehensive survey. Computer Methods in Applied Mechanics and Engineering, 196(33–34), 3190–3218. DOI: 10.1016/j.cma.2007.03.003 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust Genetic Algorithm — Evolutionary Optimization under Uncertainty. ScholarGate. https://scholargate.app/no/simulation/robust-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
- Robust multi-objektiv optimeringSimulering↔ compare
- Robust Particle Swarm OptimizationSimulering↔ compare
- Robust Simulated AnnealingSimulering↔ compare
- Stokastisk Genetisk AlgoritmeSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →