Байесовский генетический алгоритм — эволюционная оптимизация, управляемая вероятностной моделью.
Байесовский генетический алгоритм (BGA) заменяет традиционные операторы кроссовера и мутации вероятностной байесовской сетью, построенной на основе отобранных индивидуумов с высокой приспособленностью. На каждом поколении алгоритм строит графическую модель перспективной структуры решений, затем извлекает новые потомки из этой модели, позволяя поиску улавливать и использовать зависимости переменных, которые стандартные ГА упускают.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/ru/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.
- Байесовская многокритериальная оптимизацияИмитационное моделирование↔ compare
- Байесовская оптимизацияОптимизация↔ compare
- Генетический алгоритмОптимизация↔ compare
- Оптимизация роем частиц (PSO)Оптимизация↔ compare
- Стохастический генетический алгоритмИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →