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.
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 ↗
- 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.
- Algoritmo Genético Multiobjetivo (MOGA)Simulación↔ compare
- Optimización MultiobjetivoSimulación↔ compare
- Algoritmo Genético RobustoSimulación↔ compare
- Optimización Multiobjetivo RobustaSimulación↔ compare
- Stochastic NSGA-IISimulación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →