Stochastic NSGA-II — Evolutionäre Mehrzieloptimierung unter Unsicherheit
Stochastic NSGA-II erweitert den evolutionären Algorithmus NSGA-II zur Handhabung von Zielfunktionen, die verrauscht, unsicher oder probabilistisch sind. Durch Mittelung oder Stichprobenziehung stochastischer Ziele über mehrere Auswertungen hinweg identifiziert er Pareto-optimale Lösungen, die robust gegenüber Unsicherheit sind, was ihn für technische Entwurfs-, Lieferketten- und Politikoptimierungsprobleme geeignet macht, bei denen reale Variabilität eine Rolle spielt.
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., 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/de/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-Objective Genetic Algorithm (MOGA)Simulation↔ compare
- Robust NSGA-IISimulation↔ compare
- Stochastischer Genetischer AlgorithmusSimulation↔ compare
- Stochastische Multi-Objektiv-OptimierungSimulation↔ compare
- Stochastische PartikelschwarmoptimierungSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →