Детерминистична многоцелева оптимизация — класически Парето-базирани и скаларизационни методи
Детерминистичната многоцелева оптимизация (Deterministic MOO) е семейство от класически оптимизационни подходи, които едновременно минимизират или максимизират множество конфликтни целеви функции върху детерминистично допустимо множество. Тя генерира Парето фронт — множеството от недоминирани решения — от който вземащият решения избира предпочитания компромис. За разлика от стохастичните варианти, всички оценки на целите и ограничения са фиксирани и безшумни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 978-0-471-87339-6
- Miettinen, K. (1999). Nonlinear Multiobjective Optimization. Springer, Boston. ISBN: 978-1-4613-7544-9
Как да цитирате тази страница
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/bg/simulation/deterministic-multi-objective-optimization
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.
- Многокритериално линейно програмиране (МКЛП)Симулационно моделиране↔ compare
- Многоцелева оптимизацияСимулационно моделиране↔ compare
- Стохастична многокритериална оптимизацияСимулационно моделиране↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →