Robustas daudzobjektīvu optimizācija — Pareto optimālu risinājumu atrašana, kas ir stabili pret nenoteiktību
Robustas daudzobjektīvu optimizācija (RMOO) ir sistēma, kas paredzēta risinājumu atrašanai, kuri vienlaicīgi optimizē vairākus pretrunīgus mērķus, vienlaikus saglabājot nejutīgumu pret izmaiņām lēmumu mainīgajos vai problēmas parametros. Atšķirībā no klasiskās MOO, RMOO optimizācijas ciklā tieši iekļauj nenoteiktību, radot robustu Pareto fronti, kuras elementi labi darbojas ne tikai nominālajā projektēšanas punktā, bet arī pieļaujamu darbības apstākļu tuvumā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Avoti
- Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463–494. DOI: 10.1162/evco.2006.14.4.463 ↗
- Robust optimization. Wikipedia. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Multi-Objective Optimization (RMOO) — optimizing multiple conflicting objectives under uncertainty. ScholarGate. https://scholargate.app/lv/simulation/robust-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.
- Daudzobjektīvu optimizācijaSimulācija↔ compare
- Robustā optimizācijaOptimizācija↔ compare
- Analīze jutīgumamLēmumu pieņemšana↔ compare
- Stochastic Multi-Objective OptimizationSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →