Стохастический генетический алгоритм — рандомизированный эволюционный поиск для оптимизации
Стохастический генетический алгоритм (СГА) — это метаэвристика, основанная на популяции, которая имитирует биологическую эволюцию — отбор, кроссовер и мутацию — для поиска близких к оптимальным решений в сложных, нелинейных или комбинаторных пространствах. Его рандомизированные операторы делают его устойчивым к локальным оптимумам и широко применимым в инженерии, планировании, машинном обучении и исследовании операций.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/ru/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.
- Генетический алгоритмОптимизация↔ compare
- Оптимизация роем частиц (PSO)Оптимизация↔ compare
- Имитация отжигаОптимизация↔ compare
- Стохастическая многокритериальная оптимизацияИмитационное моделирование↔ compare
- Стохастическая оптимизация роем частицИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →