Robustní NSGA-II — Víceúčelová optimalizace za nejistoty
Robustní NSGA-II rozšiřuje klasický evoluční algoritmus NSGA-II tak, aby zohledňoval parametrickou nejistotu a nacházel Pareto-optimální kompromisní řešení, která zůstávají vysoce výkonná i v případě, že se vstupní parametry odchylují od svých nominálních hodnot. Namísto optimalizace hodnot kritérií v jediném bodě vyhodnocuje každé kandidátské řešení napříč rozsahem nebo distribucí realizací nejistoty a vybírá řešení s ohledem na robustnost a Pareto dominanci.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/cs/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.
- Vícecílový Genetický Algoritmus (MOGA)Simulace↔ compare
- Víc Cílová OptimalizaceSimulace↔ compare
- Robustní genetický algoritmusSimulace↔ compare
- Robustní vícecilaová optimalizaceSimulace↔ compare
- Stochastic NSGA-IISimulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →