Multi-Objective Genetic Algorithm (MOGA) — Ricerca Evolutiva per Soluzioni Pareto-Ottimali
Un Multi-Objective Genetic Algorithm (MOGA) è un metodo di calcolo evolutivo che fa evolvere una popolazione di soluzioni candidate verso un fronte Pareto-ottimale, ottimizzando simultaneamente due o più funzioni obiettivo conflittuali. Evita di collassare i trade-off in un singolo punteggio, producendo invece un insieme di soluzioni non dominate tra cui il decisore può scegliere.
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.
+9 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/it/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.
- Algoritmo GeneticoOttimizzazione↔ compare
- Ottimizzazione Multi-ObiettivoSimulazione↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulazione↔ compare
- Ricottura Simulata Multi-Obiettivo (MOSA)Simulazione↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →