Robust NSGA-II — Optimasi Multi-objektif di Bawah Ketidakpastian
Robust NSGA-II memperluas algoritma evolusioner klasik NSGA-II untuk memperhitungkan ketidakpastian parametrik, menemukan solusi trade-off Pareto-optimal yang tetap berkinerja tinggi bahkan ketika parameter masukan menyimpang dari nilai nominalnya. Alih-alih mengoptimalkan nilai objektif pada satu titik, ia mengevaluasi setiap solusi kandidat di berbagai rentang atau distribusi realisasi ketidakpastian dan memilih ketahanan (robustness) bersama dengan dominasi Pareto.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/id/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.
- Algoritma Genetika Multi-Objektif (MOGA)Simulasi↔ compare
- Optimasi Multi-ObjektifSimulasi↔ compare
- Algoritma Genetika RobustSimulasi↔ compare
- Optimasi Multi-Objektif RobustSimulasi↔ compare
- Stochastic NSGA-IISimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →