Stokastisk NSGA-II — Evolutionær Multi-Mål Optimering under Usikkerhed
Stokastisk NSGA-II udvider den evolutionære algoritme NSGA-II til at håndtere objektive funktioner, der er støjende, usikre eller probabilistiske. Ved at gennemsnitliggøre eller sample stokastiske mål over flere evalueringer identificerer den Pareto-optimale løsninger, der er robuste over for usikkerhed, hvilket gør den velegnet til ingeniørdesign, forsyningskæde- og politikoptimeringsproblemer, hvor variation i den virkelige verden er afgørende.
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., 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 ↗
- Hughes, E. J. (2001). Evolutionary multi-objective ranking with uncertainty and noise. In Proceedings of the First International Conference on Evolutionary Multi-Criterion Optimization (EMO 2001), Lecture Notes in Computer Science, vol. 1993, pp. 329–343. Springer. DOI: 10.1007/3-540-44719-9_23 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/da/simulation/stochastic-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.
- Multi-objektiv genetisk algoritme (MOGA)Simulering↔ compare
- Robust NSGA-IISimulering↔ compare
- Stochastic Genetic AlgorithmSimulering↔ compare
- Stokastisk Multi-Objektiv OptimeringSimulering↔ compare
- Stochastic Particle Swarm OptimizationSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →