Algorithme Génétique Multi-Objectif (MOGA) — Recherche Évolutionniste de Solutions Pareto-Optimales
Un Algorithme Génétique Multi-Objectif (MOGA) est une méthode de calcul évolutionniste qui fait évoluer une population de solutions candidates vers un front Pareto-optimal, en optimisant simultanément deux ou plusieurs fonctions objectif conflictuelles. Il évite de réduire les compromis à un score unique, produisant à la place un ensemble de solutions non dominées parmi lesquelles le décideur peut choisir.
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.
+9 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/fr/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.
- Algorithme génétiqueOptimisation↔ compare
- Optimisation multi-objectifSimulation↔ compare
- Optimisation par essaims particulaires multi-objectif (MOPSO)Simulation↔ compare
- Recuit Simulé Multi-Objectif (MOSA)Simulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →