Bayesian NSGA-II — Optimización Evolutiva Multi-Objetivo Asistida por Sustitutos
Bayesian NSGA-II integra modelos sustitutos de proceso Gaussiano (metamodelos Bayesianos) en el bucle evolutivo de NSGA-II para resolver problemas de optimización multi-objetivo costosos. Al reemplazar las costosas evaluaciones de función verdaderas por predicciones probabilísticas rápidas, descubre aproximaciones de alta calidad del frente de Pareto con muchas menos evaluaciones reales que el NSGA-II estándar.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
- Emmerich, M. T. M., Giannakoglou, K. C., Naujoks, B. (2006). Single- and multiobjective evolutionary optimization assisted by Gaussian random field metamodels. IEEE Transactions on Evolutionary Computation, 10(4), 421–439. DOI: 10.1109/TEVC.2005.859463 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Surrogate-Assisted Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/es/simulation/bayesian-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.
- Optimización BayesianaOptimización↔ compare
- Algoritmo Genético Multiobjetivo (MOGA)Simulación↔ compare
- Optimización MultiobjetivoSimulación↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →