Algoritmo Genético Estocástico — Busca Evolutiva Aleatória para Otimização
O Algoritmo Genético Estocástico (SGA) é uma metaheurística baseada em população que mimetiza a evolução biológica — seleção, cruzamento e mutação — para buscar soluções quase ótimas em espaços complexos, não lineares ou combinatórios. Seus operadores aleatórios o tornam robusto a ótimos locais e amplamente aplicável em engenharia, escalonamento, aprendizado de máquina e pesquisa operacional.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/pt/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.
- Algoritmo GenéticoOtimização↔ compare
- Otimização por Enxame de Partículas (PSO)Otimização↔ compare
- Annealing SimuladoOtimização↔ compare
- Otimização Estocástica Multi-ObjetivoSimulação↔ compare
- Otimização por Enxame de Partículas EstocásticoSimulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →