Multi-objektiv genetisk algoritme (MOGA) — Evolutionær søgning efter Pareto-optimale løsninger
En multi-objektiv genetisk algoritme (MOGA) er en evolutionær beregningsmetode, der udvikler en population af kandidatløsninger mod en Pareto-optimal front, idet den samtidigt optimerer to eller flere modstridende objektive funktioner. Den undgår at kollapse afvejninger til en enkelt score, men producerer i stedet et sæt af ikke-dominerede løsninger, som beslutningstageren kan vælge imellem.
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.
+9 more
Kilder
- Goldberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Addison-Wesley. ISBN: 9780201157673
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/da/simulation/multi-objective-genetic-algorithm
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.
- Genetisk AlgoritmeOptimering↔ compare
- Multi-Objective OptimizationSimulering↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulering↔ compare
- Multi-Objektiv Simuleret Gløding (MOSA)Simulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →