- Descente stochastique
- Descente parallèle
- Descente à plusieurs reprise
- Redémarrage aléatoire de descente
- Descente à mutation aléatoire
- Descente itérative
- ES(1+1,m,hc)
- Random bit climber
- Algorithme génétique (1+1)
Contenu de va-et-vient
Algorithmes stochastiques
L’optimisation stochastique (intelligence artificielle) fait référence à un ensemble de méthodes permettant de minimiser ou de maximiser une fonction objective avec un caractère aléatoire : recherche aléatoire, descente stochastique, recherche locale itérée, recherche locale guidée, recherche dispersée, recherche tabou, sample average approximation, response surface methodology.
L’optimisation stochastique fait référence à un ensemble de méthodes permettant de minimiser ou de maximiser une fonction objective avec un caractère aléatoire. Au cours des dernières décennies, ces méthodes sont devenues des outils essentiels pour la science, l’ingénierie, le commerce, l’informatique et les statistiques.
Les applications spécifiques sont variées, mais comprennent: des simulations pour affiner le placement de capteurs acoustiques, décider du moment où l’eau d’un réservoir doit être libérée pour la production d’énergie hydroélectrique et optimiser les paramètres d’un modèle statistique pour un ensemble de données.
FR 
EN 
ES