Genetisk algoritm — Evolutionär optimering
En genetisk algoritm (GA) är en populationsbaserad metaheuristisk optimeringsmetod som introducerades av John Henry Holland (1975) och som efterliknar principerna för naturligt urval. Den upprätthåller en population av kandidatlösningar och förbättrar dem iterativt genom urvals-, korsnings- och mutationsoperatorer, vilket gör den särskilt kraftfull på diskontinuerliga, icke-konvexa och multimodala sökområden där klassiska gradientbaserade metoder misslyckas.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Källor
- Holland, J.H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press. link ↗
- Deb, K. (2001). Multi-Objective Optimization using Evolutionary Algorithms. Wiley. ISBN: 9780471873396
Så citerar du den här sidan
ScholarGate. (2026, June 1). Genetic Algorithm — Evolutionary Optimization. ScholarGate. https://scholargate.app/sv/optimization/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.
- Myrsamhällesoptimering – svärmbaserad kombinatorisk optimeringOptimering↔ compare
- Differential EvolutionOptimering↔ compare
- NSGA-IIOptimering↔ compare
- Partikelsvärmsoptimering (PSO)Optimering↔ compare
- Simulated Annealing – Probabilistisk OptimeringOptimering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →