Deterministische multikriterielle Optimierung — Klassische Pareto-basierte und Skalarisierungsmethoden
Deterministische multikriterielle Optimierung (Deterministic MOO) ist eine Familie klassischer Optimierungsansätze, die mehrere konkurrierende Zielfunktionen über eine deterministische zulässige Menge gleichzeitig minimieren oder maximieren. Sie erzeugt eine Pareto-Front – die Menge der nicht-dominierten Lösungen –, aus der ein Entscheidungsträger den bevorzugten Kompromiss auswählt. Im Gegensatz zu stochastischen Varianten sind alle Zielbewertungen und Nebenbedingungen fest und rauschfrei.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/de/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.
- Mehrkriterielle Lineare Programmierung (MOLP)Simulation↔ compare
- Mehrzieloptimierung – Gleichzeitige Optimierung widerstreitender ZieleSimulation↔ compare
- Stochastische Multi-Objektiv-OptimierungSimulation↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →