Stokastisk Genetisk Algoritme — Tilfeldig Evolusjonær Søking etter Optimering
Den Stokastiske Genetiske Algoritmen (SGA) er en populasjonsbasert metaheuristikk som etterligner biologisk evolusjon — seleksjon, krysning og mutasjon — for å søke etter nær-optimale løsninger i komplekse, ikke-lineære eller kombinatoriske rom. Dens stokastiske operatorer gjør den robust mot lokale optima og bredt anvendbar på tvers av ingeniørfag, planlegging, maskinlæring og operasjonsanalyse.
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. ISBN: 978-0262581110
- Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA. ISBN: 978-0201157673
Slik siterer du denne siden
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/no/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.
- Genetisk algoritmeOptimering↔ compare
- Partikkelsvermoptimalisering (PSO)Optimering↔ compare
- Simulert annealing – Probabilistisk optimeringOptimering↔ compare
- Stokastisk multi-objektiv optimeringSimulering↔ compare
- Stokastisk partikkelsvermoptimeringSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →