Robustný genetický algoritmus — Evolučná optimalizácia pod neistotou
Robustný genetický algoritmus (RGA) rozširuje štandardné genetické algoritmy na nájdenie riešení, ktoré podávajú dobré výsledky nielen v nominálnom návrhovom bode, ale aj pri vystavení neistote v rozhodovacích premenných, parametroch alebo pri hodnotení účelovej funkcie. Zapracovaním explicitných meradiel robustnosti do selekčného tlaku RGA vyvažuje optimálnosť voči citlivosti na perturbácie, čím je vhodný pre inžinierske návrhy, plánovanie a optimalizáciu politík pri reálnej variabilite.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Genetic Algorithm — Evolutionary Optimization under Uncertainty. ScholarGate. https://scholargate.app/sk/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.
- Genetický algoritmusOptimalizácia↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulácia↔ compare
- Robustné viaccieľové optimalizovanieSimulácia↔ compare
- Robustná optimalizácia rojom častícSimulácia↔ compare
- Robustné simulované žíhanieSimulácia↔ compare
- Stochastic Genetic AlgorithmSimulácia↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →