Stokastisk genetisk algoritm — Randomiserad evolutionär sökning för optimering
Den stokastiska genetiska algoritmen (SGA) är en populationsbaserad metaheuristik som efterliknar biologisk evolution — selektion, korsning och mutation — för att söka efter nära-optimala lösningar i komplexa, icke-linjära eller kombinatoriska rum. Dess randomiserade operatorer gör den robust mot lokala optima och brett tillämplig inom teknik, schemaläggning, maskininlärning och operationsanalys.
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
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/sv/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.
- Genetisk algoritmOptimering↔ compare
- Partikelsvärmsoptimering (PSO)Optimering↔ compare
- Simulated Annealing – Probabilistisk OptimeringOptimering↔ compare
- Stokastisk multiobjektiv optimeringSimulering↔ compare
- Stokastisk partikelsvärmoptimeringSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →