Bajesiskais NSGA-II — ar surogātiem atbalstīta daudzobjektu evolucionārā optimizācija
Bajesiskais NSGA-II integrē Gausa procesa surogātmodeļus (bajesiskos metamodeļus) NSGA-II evolucionārajā ciklā, lai risinātu dārgus daudzobjektu optimizācijas uzdevumus. Aizstājot dārgos patieso funkciju novērtējumus ar ātrām probabilistiskām prognozēm, tas atklāj augstas kvalitātes Pareto frontes aproksimācijas ar ievērojami mazāk reālām novērtēšanām nekā standarta NSGA-II.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Surrogate-Assisted Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/lv/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.
- Optimizācija ar Bajesas metodiOptimizācija↔ compare
- Daudzobjektīvu ģenētisks algoritms (MOGA)Simulācija↔ compare
- Daudzobjektīvu optimizācijaSimulācija↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →