Устойчивый генетический алгоритм — эволюционная оптимизация в условиях неопределенности
Устойчивый генетический алгоритм (УГА) расширяет стандартные генетические алгоритмы для поиска решений, которые хорошо работают не только в номинальной проектной точке, но и при наличии неопределенности в переменных решения, параметрах или оценках приспособленности. Включая явные меры устойчивости в давление отбора, УГА балансирует оптимальность с чувствительностью к возмущениям, что делает его подходящим для инженерного проектирования, планирования и оптимизации политики в условиях реальной изменчивости.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Jin, Y., Branke, J. (2005). Evolutionary optimization in uncertain environments — a survey. IEEE Transactions on Evolutionary Computation, 9(3), 303–317. DOI: 10.1109/TEVC.2005.846356 ↗
- Beyer, H.-G., Sendhoff, B. (2007). Robust optimization — A comprehensive survey. Computer Methods in Applied Mechanics and Engineering, 196(33–34), 3190–3218. DOI: 10.1016/j.cma.2007.03.003 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Genetic Algorithm — Evolutionary Optimization under Uncertainty. ScholarGate. https://scholargate.app/ru/simulation/robust-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.
- Генетический алгоритмОптимизация↔ compare
- Многокритериальный генетический алгоритм (MOGA)Имитационное моделирование↔ compare
- Робастная многокритериальная оптимизацияИмитационное моделирование↔ compare
- Робастная оптимизация методами роя частицИмитационное моделирование↔ compare
- Робастный имитированный отжигИмитационное моделирование↔ compare
- Стохастический генетический алгоритмИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →