Bayesian NSGA-II — Pengoptimuman Evolusionari Multi-Objektif Bantuan Pelanjutan
Bayesian NSGA-II mengintegrasikan model pelanjutan proses Gaussian (metamodel Bayesian) ke dalam gelung evolusionari NSGA-II untuk menyelesaikan masalah pengoptimuman multi-objektif yang mahal. Dengan menggantikan penilaian fungsi sebenar yang kosnya tinggi dengan ramalan probabilistik yang pantas, ia menemui anggaran permukaan Pareto berkualiti tinggi dengan penilaian sebenar yang jauh lebih sedikit berbanding NSGA-II standard.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Surrogate-Assisted Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/ms/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.
- Pengoptimuman BayesianPengoptimuman↔ compare
- Algoritma Genetik Multi-Objektif (MOGA)Simulasi↔ compare
- Pengoptimuman Pelbagai ObjektifSimulasi↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →