Robuszt NSGA-II — Többkritériumos optimalizálás bizonytalanság mellett
A Robuszt NSGA-II kiterjeszti a klasszikus NSGA-II evolúciós algoritmust a paraméteres bizonytalanság figyelembevételére, Pareto-optimális kompromisszumos megoldásokat találva, amelyek akkor is magas teljesítményt nyújtanak, ha a bemeneti paraméterek eltérnek nominális értékeiktől. Ahelyett, hogy egyetlen pontban értékelné az objektív értékeket, minden jelölt megoldást a bizonytalansági realizációk egy tartományán vagy eloszlásán keresztül értékel, és a Pareto-dominancia mellett a robusztusságot is figyelembe veszi a kiválasztásnál.
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., 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 ↗
- Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463-494. DOI: 10.1162/evco.2006.14.4.463 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/hu/simulation/robust-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.
- Multi-objective genetic algorithmSzimuláció↔ compare
- Többfunkciós optimalizálásSzimuláció↔ compare
- Robuszt Genetikai AlgoritmusSzimuláció↔ compare
- Robusztus Többfunkciós OptimalizálásSzimuláció↔ compare
- Stochastic NSGA-IISzimuláció↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →