Algoritma Genetik Multi-Objektif (MOGA) — Pencarian Evolusioner untuk Solusi Pareto-Optimal
Algoritma Genetik Multi-Objektif (MOGA) ialah kaedah pengiraan evolusioner yang mengembangkan populasi calon penyelesaian ke arah had Pareto-optimal, secara serentak mengoptimumkan dua atau lebih fungsi objektif yang bercangguh. Ia mengelakkan keruntuhan pertukaran dagangan kepada satu skor tunggal, sebaliknya menghasilkan satu set penyelesaian yang tidak didominasi untuk dipilih oleh pembuat keputusan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Sumber
- Goldberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Addison-Wesley. ISBN: 9780201157673
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/ms/simulation/multi-objective-genetic-algorithm
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.
- Algoritma GenetikPengoptimuman↔ compare
- Pengoptimuman Pelbagai ObjektifSimulasi↔ compare
- Pengoptimuman Zarah Pelbagai Objektif (MOPSO)Simulasi↔ compare
- Simulated Annealing Pelbagai Objektif (MOSA)Simulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →