อัลกอริทึมพันธุกรรมแบบเบย์ (Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization)
อัลกอริทึมพันธุกรรมแบบเบย์ (Bayesian Genetic Algorithm; BGA) ใช้โครงข่ายเบย์แบบความน่าจะเป็น (probabilistic Bayesian network) ที่เรียนรู้จากกลุ่มประชากรรุ่นที่มีค่าฟิตเนสสูง แทนที่ตัวดำเนินการครอสโอเวอร์ (crossover) และมิวเทชัน (mutation) แบบดั้งเดิม ในแต่ละรุ่น อัลกอริทึมจะสร้างแบบจำลองกราฟิก (graphical model) ของโครงสร้างคำตอบที่มีแนวโน้มดี จากนั้นจึงสุ่มตัวอย่างลูกหลานใหม่จากแบบจำลองนั้น ทำให้การค้นหาสามารถจับและใช้ประโยชน์จากการพึ่งพาอาศัยกันของตัวแปร (variable dependencies) ที่อัลกอริทึมพันธุกรรมทั่วไป (standard GAs) มองข้ามไป
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Genetic Algorithm — Probabilistic model-guided evolutionary optimization. ScholarGate. https://scholargate.app/th/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.
- การปรับให้เหมาะสมหลายวัตถุประสงค์แบบเบย์การจำลอง↔ compare
- Bayesian Optimizationการหาค่าเหมาะที่สุด↔ compare
- Genetic Algorithmการหาค่าเหมาะที่สุด↔ compare
- Particle Swarm Optimization (PSO)การหาค่าเหมาะที่สุด↔ compare
- ขั้นตอนวิธีเชิงพันธุกรรมแบบสุ่มการจำลอง↔ compare