Pengoptimuman Pelbagai Objektif Stokastik — Mengoptimumkan pelbagai objektif yang bercanggahan di bawah ketidakpastian
Pengoptimuman Pelbagai Objektif Stokastik (SMOO) ialah satu kelas kaedah yang secara serentak mengoptimumkan dua atau lebih objektif yang bercanggahan apabila parameter, kos, atau kekangan adalah tidak pasti atau rawak. Berbanding dengan satu penyelesaian optimum tunggal, ia menghasilkan permukaan Pareto bagi penyelesaian yang tidak didominasi, setiap satunya mewakili keseimbangan yang berbeza di kalangan objektif di bawah ketidakpastian yang dimodelkan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sumber
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396
- Caramia, M., Dell'Olmo, P. (2008). Multi-Objective Management in Freight Logistics. Springer, London. DOI: 10.1007/978-1-84800-382-8 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Stochastic Multi-Objective Optimization — Multi-criteria optimization under uncertainty with probabilistic objectives or constraints. ScholarGate. https://scholargate.app/ms/simulation/stochastic-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.
- Simulasi Monte CarloPembuatan Keputusan↔ compare
- Pengoptimuman Pelbagai ObjektifSimulasi↔ compare
- Pengoptimuman Pelbagai Objektif yang TeguhSimulasi↔ compare
- Pengaturcaraan Dinamik StokastikSimulasi↔ compare
- Algoritma Genetik StokastikSimulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →