Deterministisk Multi-Objektiv Optimering — Klassiske Pareto-baserede og skalariseringsmetoder
Deterministisk Multi-Objektiv Optimering (Deterministisk MOO) er en familie af klassiske optimeringsmetoder, der samtidigt minimerer eller maksimerer flere modstridende objektivfunktioner over et deterministisk tilladt område. Den producerer en Pareto-front — mængden af ikke-dominerede løsninger — hvorfra en beslutningstager vælger den foretrukne afvejning. I modsætning til stokastiske varianter er alle objektive evalueringer og begrænsninger faste og uden støj.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/da/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.
- Multi-Objektiv Lineær Programmering (MOLP)Simulering↔ compare
- Multi-Objective OptimizationSimulering↔ compare
- Stokastisk Multi-Objektiv OptimeringSimulering↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →