ScholarGate
Asistente
Process / pipelineSimulation / optimization

NSGA-II Robusto — Optimización Multiobjetivo bajo Incertidumbre

El NSGA-II Robusto extiende el algoritmo evolutivo clásico NSGA-II para considerar la incertidumbre paramétrica, encontrando soluciones de compromiso Pareto-óptimas que mantienen un alto rendimiento incluso cuando los parámetros de entrada se desvían de sus valores nominales. En lugar de optimizar los valores objetivo en un solo punto, evalúa cada solución candidata a través de un rango o distribución de realizaciones de incertidumbre y selecciona por robustez junto con la dominancia de Pareto.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. 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
  2. Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463-494. DOI: 10.1162/evco.2006.14.4.463

Cómo citar esta página

ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/es/simulation/robust-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.

Compare side by side

Citado por

ScholarGateRobust NSGA-II (Robust Non-dominated Sorting Genetic Algorithm II). Recuperado el 2026-06-15 de https://scholargate.app/es/simulation/robust-nsga-ii · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026