Bayesowski algorytm genetyczny — Ewolucyjna optymalizacja kierowana modelem probabilistycznym
Bayesowski algorytm genetyczny (BGA) zastępuje tradycyjne operatory krzyżowania i mutacji probabilistyczną siecią bayesowską, uczoną na podstawie wybranych osobników o wysokiej wartości funkcji dopasowania. W każdej generacji algorytm buduje graficzny model obiecującej struktury rozwiązania, a następnie próbkuje z tego modelu nowe potomstwo, co pozwala na uchwycenie i wykorzystanie zależności między zmiennymi, które są pomijane przez standardowe algorytmy genetyczne.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/pl/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.
- Optymalizacja Bayesowska WielokryterialnaSymulacja↔ compare
- Optymalizacja bayesowskaOptymalizacja↔ compare
- Algorytm genetycznyOptymalizacja↔ compare
- Optymalizacja rojem cząstek (PSO)Optymalizacja↔ compare
- Algorytm genetyczny stochastycznySymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →