Algorytm genetyczny stochastyczny — losowe przeszukiwanie ewolucyjne w celu optymalizacji
Algorytm genetyczny stochastyczny (SGA) to metaheurystyka oparta na populacji, która naśladuje procesy biologicznej ewolucji — selekcję, krzyżowanie i mutację — w celu wyszukiwania bliskich optymalnych rozwiązań w przestrzeniach złożonych, nieliniowych lub kombinatorycznych. Jego losowe operatory sprawiają, że jest odporny na lokalne optima i szeroko stosowalny w inżynierii, harmonogramowaniu, uczeniu maszynowym i badaniach operacyjnych.
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
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/pl/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.
- Algorytm genetycznyOptymalizacja↔ compare
- Optymalizacja rojem cząstek (PSO)Optymalizacja↔ compare
- Wyżarzanie symulowaneOptymalizacja↔ compare
- Stochastyczna Optymalizacja WielokryterialnaSymulacja↔ compare
- Stochastyczne Optymalizowanie Roju CząstekSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →