الگوریتم ژنتیک چندهدفه (MOGA) — جستجوی تکاملی برای راهحلهای بهینه پارتو
الگوریتم ژنتیک چندهدفه (MOGA) یک روش محاسبات تکاملی است که جمعیتی از راهحلهای کاندید را به سمت یک جبهه بهینه پارتو تکامل میدهد و به طور همزمان دو یا چند تابع هدف متعارض را بهینهسازی میکند. این روش به جای فروکاستن مبادلات به یک امتیاز واحد، مجموعهای از راهحلهای غیرمغلوب را برای انتخاب توسط تصمیمگیرنده تولید میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/fa/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.
- الگوریتم ژنتیکبهینهسازی↔ compare
- بهینهسازی چندهدفهشبیهسازی↔ compare
- بهینهسازی کلونی ذرات چندهدفه (MOPSO)شبیهسازی↔ compare
- بهینهسازی شبیهسازی شده چندهدفه (MOSA)شبیهسازی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →