Stochastic Multi-Objective Optimization — Optimizing multiple conflicting objectives under uncertainty
Stochastic Multi-Objective Optimization (SMOO) ir metožu klase, kas vienlaicīgi optimizē divus vai vairākus pretrunīgus mērķus, kad parametri, izmaksas vai ierobežojumi ir nenoteikti vai nejauši. Tā vietā, lai iegūtu vienu optimālu risinājumu, tā rada nedominējošu risinājumu Pareto fronti, katrs no kuriem attēlo atšķirīgu līdzsvaru starp mērķiem modelētās nenoteiktības apstākļos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Avoti
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396
- Caramia, M., Dell'Olmo, P. (2008). Multi-Objective Management in Freight Logistics. Springer, London. DOI: 10.1007/978-1-84800-382-8 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Stochastic Multi-Objective Optimization — Multi-criteria optimization under uncertainty with probabilistic objectives or constraints. ScholarGate. https://scholargate.app/lv/simulation/stochastic-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.
- Monte Carlo simulācijaLēmumu pieņemšana↔ compare
- Daudzobjektīvu optimizācijaSimulācija↔ compare
- Robustas daudzobjektīvu optimizācijaSimulācija↔ compare
- Stochastic Dynamic ProgrammingSimulācija↔ compare
- Stochastic Genetic AlgorithmSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →