Ottimizzazione Multi-Obiettivo Deterministica — Metodi classici basati su Pareto e di scalarizzazione
L'Ottimizzazione Multi-Obiettivo Deterministica (Deterministic MOO) è una famiglia di approcci di ottimizzazione classici che minimizzano o massimizzano simultaneamente più funzioni obiettivo in conflitto su un insieme ammissibile deterministico. Produce un fronte di Pareto — l'insieme delle soluzioni non dominate — dal quale un decisore seleziona il compromesso preferito. A differenza delle varianti stocastiche, tutte le valutazioni degli obiettivi e i vincoli sono fissi e privi di rumore.
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. (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
Come citare questa pagina
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/it/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.
- Programmazione Lineare Multi-Obiettivo (MOLP)Simulazione↔ compare
- Ottimizzazione Multi-ObiettivoSimulazione↔ compare
- Ottimizzazione Stocastica Multi-ObiettivoSimulazione↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →