ขั้นตอนวิธีเชิงพันธุกรรมแบบสุ่ม — การค้นหาแบบวิวัฒนาการเชิงสุ่มเพื่อการปรับให้เหมาะสมที่สุด
ขั้นตอนวิธีเชิงพันธุกรรมแบบสุ่ม (Stochastic Genetic Algorithm หรือ SGA) เป็นเมตาฮิวริสติกส์แบบประชากรที่เลียนแบบวิวัฒนาการทางชีววิทยา ได้แก่ การคัดเลือก การผสมข้าม และการกลายพันธุ์ เพื่อค้นหาคำตอบที่ใกล้เคียงค่าเหมาะสมที่สุดในปริภูมิที่ซับซ้อน ไม่เป็นเชิงเส้น หรือเชิงการจัดเรียง ตัวดำเนินการเชิงสุ่มของ SGA ทำให้มีความทนทานต่อค่าเหมาะสมที่สุดเฉพาะที่ และสามารถนำไปประยุกต์ใช้ได้อย่างกว้างขวางในด้านวิศวกรรม การจัดตารางเวลา การเรียนรู้ของเครื่อง และการวิจัยดำเนินงาน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Stochastic Genetic Algorithm — Randomized evolutionary search for combinatorial and continuous optimization. ScholarGate. https://scholargate.app/th/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.
- Genetic Algorithmการหาค่าเหมาะที่สุด↔ compare
- Particle Swarm Optimization (PSO)การหาค่าเหมาะที่สุด↔ compare
- Simulated Annealingการหาค่าเหมาะที่สุด↔ compare
- การหาค่าเหมาะที่สุดหลายวัตถุประสงค์เชิงสุ่มการจำลอง↔ compare
- Stochastic Particle Swarm Optimizationการจำลอง↔ compare