Process / pipelineSimulation / optimization
결정론적 다목적 최적화 — 고전적 파레토 기반 및 스칼라화 방법
결정론적 다목적 최적화(결정론적 MOO)는 결정론적 실행 가능 집합에 대해 여러 상충되는 목적 함수를 동시에 최소화하거나 최대화하는 고전적 최적화 접근 방식의 한 계열입니다. 이는 비지배해 집합인 파레토 전선을 생성하며, 의사 결정자가 선호하는 절충점을 선택합니다. 확률적 변종과 달리 모든 목적 함수 평가 및 제약 조건은 고정되어 있으며 노이즈가 없습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/ko/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.
- 다목적 선형 계획법 (MOLP)시뮬레이션↔ compare
- 다목적 최적화시뮬레이션↔ compare
- 불확실성 하에서 다중 상충 목표를 최적화하는 확률적 다목표 최적화시뮬레이션↔ compare