NSGA-II Robust — Optimització multiobjectiu sota incertesa
El NSGA-II Robust estén el clàssic algorisme evolutiu NSGA-II per a tenir en compte la incertesa paramètrica, trobant solucions de compromís Pareto-òptimes que mantenen un alt rendiment fins i tot quan els paràmetres d'entrada es desvien dels seus valors nominals. En lloc d'optimitzar els valors objectiu en un únic punt, avalua cada solució candidata a través d'un rang o distribució de realitzacions d'incertesa i selecciona per robustesa juntament amb la dominància de Pareto.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/ca/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.
- Algorisme Genètic Multiobjectiu (MOGA)Simulació↔ compare
- Optimitació MultiobjectiuSimulació↔ compare
- Algorisme Genètic RobutSimulació↔ compare
- Optimització Robusta Multi-ObjectiuSimulació↔ compare
- NSGA-II EstocàsticSimulació↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →