Daudzobjektīvu ģenētisks algoritms (MOGA) — Pareto optimālu risinājumu evolūcijas meklēšana
Daudzobjektīvu ģenētisks algoritms (MOGA) ir evolūcijas skaitļošanas metode, kas attīsta kandidātu risinājumu kopumu virzienā uz Pareto optimālu fronti, vienlaicīgi optimizējot divas vai vairākas pretrunīgas mērķa funkcijas. Tā vietā, lai samazinātu kompromisus līdz vienam rādītājam, tā rada kopumu nedominētu risinājumu, no kuriem izvēlēties lēmumu pieņēmējam.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/lv/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.
- Ģenētiskais algoritmsOptimizācija↔ compare
- Daudzobjektīvu optimizācijaSimulācija↔ compare
- Daudzobjektīvu daļiņu baru optimizācija (MOPSO)Simulācija↔ compare
- Daudzobjektu imitētā atlaidināšana (MOSA)Simulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →