NSGA-II مقاوم — بهینهسازی چندهدفه تحت عدم قطعیت
NSGA-II مقاوم، الگوریتم تکاملی کلاسیک NSGA-II را برای در نظر گرفتن عدم قطعیت پارامتریک گسترش میدهد و راهحلهای بهینه پارتو را مییابد که حتی زمانی که پارامترهای ورودی از مقادیر اسمی خود منحرف میشوند، عملکرد بالایی دارند. به جای بهینهسازی مقادیر هدف در یک نقطه واحد، این الگوریتم هر راهحل کاندید را در طیف یا توزیعی از تحققهای عدم قطعیت ارزیابی میکند و علاوه بر تسلط پارتو، به دنبال مقاومت نیز هست.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/fa/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.
- الگوریتم ژنتیک چندهدفه (MOGA)شبیهسازی↔ compare
- بهینهسازی چندهدفهشبیهسازی↔ compare
- الگوریتم ژنتیک مقاومشبیهسازی↔ compare
- بهینهسازی چندهدفه استوارشبیهسازی↔ compare
- Stochastic NSGA-IIشبیهسازی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →