Stochastic NSGA-II — Evolucionāra daudzmērķu optimizācija nenoteiktības apstākļos
Stochastic NSGA-II paplašina NSGA-II evolucionāro algoritmu, lai apstrādātu trokšņainas, nenoteiktas vai probabilistiskas mērķa funkcijas. Vidējot vai izlasot stohastiskos mērķus vairākos novērtējumos, tas identificē Pareto optimālus risinājumus, kas ir noturīgi pret nenoteiktību, padarot to piemērotu inženieru projektēšanā, piegādes ķēdēs un politikas optimizācijas problēmās, kur svarīga ir reālās pasaules mainība.
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 ↗
- Hughes, E. J. (2001). Evolutionary multi-objective ranking with uncertainty and noise. In Proceedings of the First International Conference on Evolutionary Multi-Criterion Optimization (EMO 2001), Lecture Notes in Computer Science, vol. 1993, pp. 329–343. Springer. DOI: 10.1007/3-540-44719-9_23 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/lv/simulation/stochastic-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.
- Daudzobjektīvu ģenētisks algoritms (MOGA)Simulācija↔ compare
- Robust NSGA-IISimulācija↔ compare
- Stochastic Genetic AlgorithmSimulācija↔ compare
- Stochastic Multi-Objective OptimizationSimulācija↔ compare
- Stohastiskā daļiņu baru optimizācijaSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →