Ντετερμινιστική Βελτιστοποίηση Πολλαπλών Στόχων — Κλασικές μέθοδοι βασισμένες στο Pareto και κλιμακοποίησης
Η Ντετερμινιστική Βελτιστοποίηση Πολλαπλών Στόχων (Deterministic MOO) είναι μια οικογένεια κλασικών προσεγγίσεων βελτιστοποίησης που ελαχιστοποιούν ή μεγιστοποιούν ταυτόχρονα πολλαπλές αντικρουόμενες αντικειμενικές συναρτήσεις σε ένα ντετερμινιστικό εφικτό σύνολο. Παράγει ένα μέτωπο Pareto — το σύνολο των μη κυριαρχούμενων λύσεων — από το οποίο ένας υπεύθυνος λήψης αποφάσεων επιλέγει την προτιμώμενη αντιστάθμιση. Σε αντίθεση με τις στοχαστικές παραλλαγές, όλες οι αξιολογήσεις στόχων και οι περιορισμοί είναι σταθεροί και χωρίς θόρυβο.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/el/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.
- Προγραμματισμός Πολλαπλών Στόχων (MOLP)Προσομοίωση↔ compare
- Βελτιστοποίηση Πολλαπλών ΣτόχωνΠροσομοίωση↔ compare
- Στοχαστική Βελτιστοποίηση Πολλαπλών Αντικειμενικών ΣυναρτήσεωνΠροσομοίωση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →