NSGA-II stochastique — Optimisation multi-objectif évolutionnaire en présence d'incertitude
Le NSGA-II stochastique étend l'algorithme évolutionnaire NSGA-II pour gérer des fonctions objectif bruitées, incertaines ou probabilistes. En moyennant ou en échantillonnant les objectifs stochastiques sur plusieurs évaluations, il identifie des solutions Pareto-optimales robustes à l'incertitude, ce qui le rend adapté aux problèmes de conception en ingénierie, de chaîne d'approvisionnement et d'optimisation de politiques où la variabilité du monde réel est importante.
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 ↗
- Hughes, E. J. (2001). Evolutionary multi-objective ranking with uncertainty and noise. In Proceedings of the First International Conference on Evolutionary Multi-Criterion Optimization (EMO 2001), Lecture Notes in Computer Science, vol. 1993, pp. 329–343. Springer. DOI: 10.1007/3-540-44719-9_23 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/fr/simulation/stochastic-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.
- Algorithme Génétique Multi-Objectif (MOGA)Simulation↔ compare
- NSGA-II RobusteSimulation↔ compare
- Algorithme Génétique StochastiqueSimulation↔ compare
- Optimisation stochastique multi-objectifsSimulation↔ compare
- Optimisation par essaim particulaire stochastiqueSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →