Bayesiansk Genetisk Algoritm — Probabilistisk modellstyrd evolutionär optimering
En Bayesiansk Genetisk Algoritm (BGA) ersätter traditionella crossover- och mutationsoperatorer med ett probabilistiskt Bayesianskt nätverk som lärts från utvalda individer med hög "fitness". Vid varje generation bygger algoritmen en grafisk modell av en lovande lösningsstruktur och samplar sedan nya avkommor från den modellen, vilket gör att sökningen kan fånga och utnyttja variabelberoenden som standard-GA missar.
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.
Källor
- Pelikan, M., Goldberg, D. E., & Cantu-Paz, E. (1999). BOA: The Bayesian optimization algorithm. In Proceedings of the Genetic and Evolutionary Computation Conference (GECCO-1999), pp. 525–532. Morgan Kaufmann. link ↗
- Larranaga, P., & Lozano, J. A. (Eds.) (2002). Estimation of Distribution Algorithms: A New Tool for Evolutionary Computation. Kluwer Academic Publishers, Boston. ISBN: 9781461352747
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/sv/simulation/bayesian-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.
- Bayesian Multi-Objective OptimizationSimulering↔ compare
- Bayesiansk optimeringOptimering↔ compare
- Genetisk algoritmOptimering↔ compare
- Partikelsvärmsoptimering (PSO)Optimering↔ compare
- Stokastisk genetisk algoritmSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →