Deterministinen monen tavoitteen optimointi — Klassiset Pareto-pohjaiset ja skalaarimaiset menetelmät
Deterministinen monen tavoitteen optimointi (Deterministic MOO) on joukko klassisia optimointimenetelmiä, jotka samanaikaisesti minimoivat tai maksimoivat useita ristiriitaisia tavoitefunktioita deterministisessä sallitussa joukossa. Se tuottaa Pareto-rintaman — ei-dominoitujen ratkaisujen joukon — josta päätöksentekijä valitsee halutun kompromissin. Toisin kuin stokastisissa muunnelmissa, kaikki tavoitearvioinnit ja rajoitteet ovat kiinteitä ja kohinattomia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 978-0-471-87339-6
- Miettinen, K. (1999). Nonlinear Multiobjective Optimization. Springer, Boston. ISBN: 978-1-4613-7544-9
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/fi/simulation/deterministic-multi-objective-optimization
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.
- Monitavoitteinen lineaarinen optimointi (MOLP)Simulointi↔ compare
- Monitavoiteoptimointi – ristiriitaisten tavoitteiden samanaikainen optimointiSimulointi↔ compare
- Stochastic Multi-Objective OptimizationSimulointi↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →