Algoritma Genetika Multi-Objektif (MOGA) — Pencarian Evolusioner untuk Solusi Pareto-Optimal
Algoritma Genetika Multi-Objektif (MOGA) adalah metode komputasi evolusioner yang mengembangkan populasi kandidat solusi menuju front Pareto-optimal, secara simultan mengoptimalkan dua atau lebih fungsi tujuan yang saling bertentangan. Metode ini menghindari keruntuhan trade-off menjadi satu skor tunggal, melainkan menghasilkan serangkaian solusi non-dominan untuk dipilih oleh pengambil keputusan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/id/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.
- Algoritma GenetikOptimasi↔ compare
- Optimasi Multi-ObjektifSimulasi↔ compare
- Optimasi Kawanan Partikel Multi-Objektif (MOPSO)Simulasi↔ compare
- Simulated Annealing Multi-Objektif (MOSA)Simulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →