NSGA-II Stocastico — Ottimizzazione Evolutiva Multi-Obiettivo in Condizioni di Incertezza
L'NSGA-II Stocastico estende l'algoritmo evolutivo NSGA-II per gestire funzioni obiettivo rumorose, incerte o probabilistiche. Mediante la media o il campionamento di obiettivi stocastici attraverso valutazioni multiple, identifica soluzioni Pareto-ottimali robuste all'incertezza, rendendolo adatto per problemi di progettazione ingegneristica, catena di approvvigionamento e ottimizzazione delle politiche in cui la variabilità del mondo reale è rilevante.
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 ↗
- Hughes, E. J. (2001). Evolutionary multi-objective ranking with uncertainty and noise. In Proceedings of the First International Conference on Evolutionary Multi-Criterion Optimization (EMO 2001), Lecture Notes in Computer Science, vol. 1993, pp. 329–343. Springer. DOI: 10.1007/3-540-44719-9_23 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/it/simulation/stochastic-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.
- Multi-Objective Genetic Algorithm (MOGA)Simulazione↔ compare
- NSGA-II RobustoSimulazione↔ compare
- Algoritmo Genetico StocasticoSimulazione↔ compare
- Ottimizzazione Stocastica Multi-ObiettivoSimulazione↔ compare
- Ottimizzazione Stocastica a Sciame di ParticelleSimulazione↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →