Optimisasi Multi-Objektif Deterministik — Kaedah Pareto-asas dan penskalaan klasik
Optimisasi Multi-Objektif Deterministik (Deterministic MOO) ialah satu keluarga pendekatan optimisasi klasik yang secara serentak meminimumkan atau memaksimumkan pelbagai fungsi objektif yang bercangguh di atas set yang boleh dilaksanakan secara deterministik. Ia menghasilkan permukaan Pareto — set penyelesaian yang tidak didominasi — yang daripadanya pembuat keputusan memilih pertukaran yang digemari. Berbeza dengan varian stokastik, semua penilaian objektif dan kekangan adalah tetap dan bebas hingar.
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. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 978-0-471-87339-6
- Miettinen, K. (1999). Nonlinear Multiobjective Optimization. Springer, Boston. ISBN: 978-1-4613-7544-9
Cara memetik halaman ini
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/ms/simulation/deterministic-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.
- Pengaturcaraan Linear Multi-Objektif (MOLP)Simulasi↔ compare
- Pengoptimuman Pelbagai ObjektifSimulasi↔ compare
- Pengoptimuman Pelbagai Objektif StokastikSimulasi↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →