Robust NSGA-II — Mitmekriteeriumiline optimeerimine ebakindluse tingimustes
Robust NSGA-II laiendab klassikalist NSGA-II evolutsioonialgoritmi, et arvestada parameetrilise ebakindlusega, leides Pareto-optimaalsed kompromisslahendused, mis säilitavad kõrge jõudluse isegi siis, kui sisendparameetrid erinevad oma nimiväärtustest. Ühe punkti objektiivsete väärtuste optimeerimise asemel hindab see iga kandidaatlahendust ebakindluse realiseerumiste vahemiku või jaotuse kaudu ja valib robustsuse koos Pareto domineerimisega.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/et/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.
- Mitme-eesmärgilised geneetilised algoritmid (MOGA)Simulatsioon↔ compare
- Mitme kriteeriumi optimeerimineSimulatsioon↔ compare
- Robustne geneetiline algoritmSimulatsioon↔ compare
- Robustne mitmeotstarbeline optimeerimineSimulatsioon↔ compare
- Stochastic NSGA-IISimulatsioon↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →