Ottimizzazione evolutiva multi-obiettivo assistita da surrogati — NSGA-II Bayesiano
NSGA-II Bayesiano integra modelli surrogati di processo Gaussiano (metamodelli Bayesiani) nel ciclo evolutivo di NSGA-II per risolvere problemi di ottimizzazione multi-obiettivo costosi. Sostituendo le costose valutazioni vere delle funzioni con predizioni probabilistiche rapide, scopre approssimazioni di frontiera di Pareto di alta qualità con molte meno valutazioni reali rispetto a NSGA-II standard.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
- Emmerich, M. T. M., Giannakoglou, K. C., Naujoks, B. (2006). Single- and multiobjective evolutionary optimization assisted by Gaussian random field metamodels. IEEE Transactions on Evolutionary Computation, 10(4), 421–439. DOI: 10.1109/TEVC.2005.859463 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Surrogate-Assisted Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/it/simulation/bayesian-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.
- Ottimizzazione BayesianaOttimizzazione↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulazione↔ compare
- Ottimizzazione Multi-ObiettivoSimulazione↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →