Robust Multi-Objective Optimization — Find Pareto-optimale Løsninger Stabile Under Usikkerhed
Robust Multi-Objective Optimization (RMOO) er et rammeværk til at finde løsninger, der samtidigt optimerer flere modstridende mål, samtidig med at de forbliver ufølsomme over for perturbationer i beslutningsvariable eller problemparametre. I modsætning til klassisk MOO inkorporerer RMOO eksplicit usikkerhed i optimeringsloopet og producerer en robust Pareto-front, hvis medlemmer klarer sig godt, ikke kun ved det nominelle designpunkt, men også på tværs af et nabolag af plausible driftsforhold.
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.
+5 more
Kilder
- 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 ↗
- Robust optimization. Wikipedia. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Multi-Objective Optimization (RMOO) — optimizing multiple conflicting objectives under uncertainty. ScholarGate. https://scholargate.app/da/simulation/robust-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-Objective OptimizationSimulering↔ compare
- Robust optimeringOptimering↔ compare
- FølsomhedsanalyseBeslutningstagning↔ compare
- Stokastisk Multi-Objektiv OptimeringSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →