Thuật toán di truyền mạnh mẽ — Tối ưu hóa tiến hóa trong điều kiện không chắc chắn
Thuật toán di truyền mạnh mẽ (RGA) mở rộng các thuật toán di truyền tiêu chuẩn để tìm kiếm các giải pháp không chỉ hoạt động tốt tại điểm thiết kế danh nghĩa mà còn khi chịu ảnh hưởng của sự không chắc chắn trong các biến quyết định, tham số hoặc đánh giá độ thích nghi. Bằng cách tích hợp các thước đo độ mạnh mẽ rõ ràng vào áp lực chọn lọc, RGA cân bằng tính tối ưu với độ nhạy cảm đối với nhiễu loạn, làm cho nó phù hợp cho thiết kế kỹ thuật, lập lịch và tối ưu hóa chính sách trong điều kiện biến động thực tế.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Jin, Y., Branke, J. (2005). Evolutionary optimization in uncertain environments — a survey. IEEE Transactions on Evolutionary Computation, 9(3), 303–317. DOI: 10.1109/TEVC.2005.846356 ↗
- Beyer, H.-G., Sendhoff, B. (2007). Robust optimization — A comprehensive survey. Computer Methods in Applied Mechanics and Engineering, 196(33–34), 3190–3218. DOI: 10.1016/j.cma.2007.03.003 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Robust Genetic Algorithm — Evolutionary Optimization under Uncertainty. ScholarGate. https://scholargate.app/vi/simulation/robust-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.
- Thuật toán di truyềnTối ưu hóa↔ compare
- Thuật toán Di truyền Đa Mục tiêu (MOGA)Mô phỏng↔ compare
- Tối ưu hóa Đa Mục tiêu Mạnh mẽMô phỏng↔ compare
- Robust Particle Swarm OptimizationMô phỏng↔ compare
- Giải thuật luyện kim mô phỏng mạnh mẽMô phỏng↔ compare
- Thuật toán Di truyền Ngẫu nhiênMô phỏng↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →