Stokastisk Multi-Objektiv Optimering — Optimering af flere modstridende mål under usikkerhed
Stokastisk Multi-Objektiv Optimering (SMOO) er en klasse af metoder, der samtidigt optimerer to eller flere modstridende mål, når parametre, omkostninger eller begrænsninger er usikre eller tilfældige. I stedet for én enkelt optimal løsning producerer den en Pareto-front af ikke-dominerede løsninger, som hver især repræsenterer en forskellig balance mellem mål under den modellerede usikkerhed.
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.
+3 more
Kilder
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396
- Caramia, M., Dell'Olmo, P. (2008). Multi-Objective Management in Freight Logistics. Springer, London. DOI: 10.1007/978-1-84800-382-8 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Stochastic Multi-Objective Optimization — Multi-criteria optimization under uncertainty with probabilistic objectives or constraints. ScholarGate. https://scholargate.app/da/simulation/stochastic-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.
- Monte Carlo-simuleringBeslutningstagning↔ compare
- Multi-Objective OptimizationSimulering↔ compare
- Robust Multi-Objective OptimizationSimulering↔ compare
- Stokastisk dynamisk programmeringSimulering↔ compare
- Stochastic Genetic AlgorithmSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →