Pengoptimuman Pelbagai Objektif yang Teguh — Mencari Penyelesaian Optimum Pareto yang Stabil di Bawah Ketidakpastian
Pengoptimuman Pelbagai Objektif yang Teguh (RMOO) ialah satu rangka kerja untuk mencari penyelesaian yang secara serentak mengoptimumkan pelbagai objektif yang bercangguh sambil kekal tidak sensitif kepada gangguan dalam pembolehubah keputusan atau parameter masalah. Tidak seperti MOO klasik, RMOO secara eksplisit menggabungkan ketidakpastian ke dalam gelung pengoptimuman, menghasilkan permukaan Pareto yang teguh yang ahli-ahlinya berprestasi baik bukan sahaja pada titik reka bentuk nominal tetapi juga merentasi kawasan keadaan operasi yang munasabah.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Sumber
- Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463–494. DOI: 10.1162/evco.2006.14.4.463 ↗
- Robust optimization. Wikipedia. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Robust Multi-Objective Optimization (RMOO) — optimizing multiple conflicting objectives under uncertainty. ScholarGate. https://scholargate.app/ms/simulation/robust-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.
- Pengoptimuman Pelbagai ObjektifSimulasi↔ compare
- Pengoptimuman TeguhPengoptimuman↔ compare
- Analisis SensitivitiPembuatan Keputusan↔ compare
- Pengoptimuman Pelbagai Objektif StokastikSimulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →