NSGA-II bayésien — Optimisation évolutionnaire multi-objectif assistée par méta-modèle (surrogate)
Le NSGA-II bayésien intègre des modèles de substitution basés sur les processus gaussiens (méta-modèles bayésiens) dans la boucle évolutionnaire du NSGA-II pour résoudre les problèmes d'optimisation multi-objectif coûteux. En remplaçant les évaluations coûteuses des fonctions réelles par des prédictions probabilistes rapides, il découvre des approximations du front de Pareto de haute qualité avec beaucoup moins d'évaluations réelles que le NSGA-II standard.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
- Emmerich, M. T. M., Giannakoglou, K. C., Naujoks, B. (2006). Single- and multiobjective evolutionary optimization assisted by Gaussian random field metamodels. IEEE Transactions on Evolutionary Computation, 10(4), 421–439. DOI: 10.1109/TEVC.2005.859463 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Surrogate-Assisted Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/fr/simulation/bayesian-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.
- Optimisation bayésienneOptimisation↔ compare
- Algorithme Génétique Multi-Objectif (MOGA)Simulation↔ compare
- Optimisation multi-objectifSimulation↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →