Algoritmo Genético Multiobjetivo (MOGA) — Búsqueda Evolutiva de Soluciones Pareto-Óptimas
Un Algoritmo Genético Multiobjetivo (MOGA) es un método de computación evolutiva que hace evolucionar una población de soluciones candidatas hacia un frente Pareto-óptimo, optimizando simultáneamente dos o más funciones objetivo en conflicto. Evita colapsar las compensaciones en una única puntuación, produciendo en su lugar un conjunto de soluciones no dominadas entre las cuales el decisor puede elegir.
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.
+9 more
Fuentes
- Goldberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Addison-Wesley. ISBN: 9780201157673
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/es/simulation/multi-objective-genetic-algorithm
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.
- Algoritmo GenéticoOptimización↔ compare
- Optimización MultiobjetivoSimulación↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulación↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →