Deterministický genetický algoritmus — Evolučná optimalizácia bez náhodnosti
Deterministický genetický algoritmus (DGA) aplikuje štruktúru evolučnej výpočtovej techniky — populácia, selekcia, kríženie a nahradzovanie — pomocou úplne deterministických operátorov a pevne stanovených rozhodovacích pravidiel namiesto stochastického vzorkovania. Elimináciou náhodnosti sa algoritmus stáva plne reprodukovateľným: jeho spustenie dvakrát na rovnakom probléme poskytne identické riešenia, čo ho robí zvládnuteľným pre rigorózne porovnávanie, štúdie reprodukovateľnosti a systémy, kde je stochastickosť nežiaduca.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA. ISBN: 9780201157673
- Mahfoud, S. W. (1995). Niching methods for genetic algorithms. IlliGAL Report No. 95001, University of Illinois at Urbana-Champaign. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Deterministic Genetic Algorithm — Evolutionary optimization with deterministic selection and operators. ScholarGate. https://scholargate.app/sk/simulation/deterministic-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.
- Deterministická optimalizácia rojom častícSimulácia↔ compare
- Genetický algoritmusOptimalizácia↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulácia↔ compare
- Simulated AnnealingOptimalizácia↔ compare
- Stochastic Genetic AlgorithmSimulácia↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →