Stochastic NSGA-II — Optimización Evolutiva Multi-objetivo bajo Incertidumbre
Stochastic NSGA-II extiende el algoritmo evolutivo NSGA-II para manejar funciones objetivo que son ruidosas, inciertas o probabilísticas. Al promediar o muestrear objetivos estocásticos a través de múltiples evaluaciones, identifica soluciones Pareto-óptimas que son robustas a la incertidumbre, lo que lo hace adecuado para problemas de diseño de ingeniería, optimización de cadenas de suministro y políticas donde la variabilidad del mundo real importa.
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 ↗
- Hughes, E. J. (2001). Evolutionary multi-objective ranking with uncertainty and noise. In Proceedings of the First International Conference on Evolutionary Multi-Criterion Optimization (EMO 2001), Lecture Notes in Computer Science, vol. 1993, pp. 329–343. Springer. DOI: 10.1007/3-540-44719-9_23 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/es/simulation/stochastic-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
- NSGA-II RobustoSimulación↔ compare
- Algoritmo Genético EstocásticoSimulación↔ compare
- Optimización Estocástica MultiobjetivoSimulación↔ compare
- Optimización Estocástica por Enjambre de PartículasSimulación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →