Determinisztikus Többféle Céloptimalizálás — Klasszikus Pareto-alapú és szkalarizációs módszerek
A determinisztikus többféle céloptimalizálás (angolul Deterministic Multi-Objective Optimization, Deterministic MOO) klasszikus optimalizálási megközelítések családja, amelyek több, egymással ellentétes célfüggvényt optimalizálnak (minimalizálnak vagy maximalizálnak) egy determinisztikus megvalósítható halmazon. Eredménye egy Pareto-front – a nem dominált megoldások halmaza –, amelyből a döntéshozó kiválasztja a számára legkedvezőbbet. A sztochasztikus változatokkal ellentétben itt minden célfüggvény kiértékelése és a megszorítások fixek és zajmentesek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/hu/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.
- Többcélú Lineáris Programozás (MOLP)Szimuláció↔ compare
- Többfunkciós optimalizálásSzimuláció↔ compare
- Stochastic Multi-Objective OptimizationSzimuláció↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →