Process / pipelineSimulation / optimization
NSGA-II القوي — التحسين متعدد الأهداف في ظل عدم اليقين
يوسع NSGA-II القوي خوارزمية NSGA-II التطورية الكلاسيكية لتأخذ في الاعتبار عدم اليقين البارامتري، مما يجد حلولًا مثلى لباريتو تظل عالية الأداء حتى عندما تنحرف معلمات الإدخال عن قيمها الاسمية. فبدلاً من تحسين قيم الأهداف عند نقطة واحدة، يقوم بتقييم كل حل مرشح عبر نطاق أو توزيع من تحقيق عدم اليقين ويختار المتانة جنبًا إلى جنب مع هيمنة باريتو.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182-197. DOI: 10.1109/4235.996017 ↗
- Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463-494. DOI: 10.1162/evco.2006.14.4.463 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/ar/simulation/robust-nsga-ii
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.
- الخوارزمية الجينية متعددة الأهداف (MOGA)المحاكاة↔ compare
- التحسين متعدد الأهدافالمحاكاة↔ compare
- خوارزمية جينية قويةالمحاكاة↔ compare
- التحسين القوي متعدد الأهدافالمحاكاة↔ compare
- Stochastic NSGA-IIالمحاكاة↔ compare