ScholarGate
Pembantu
Process / pipelineSimulation / optimization

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

+3 more

Sumber

  1. Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396
  2. 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.

Compare side by side

Dirujuk oleh

ScholarGateStochastic Multi-Objective Optimization (Stochastic Multi-Objective Optimization — Multi-criteria optimization under uncertainty with probabilistic objectives or constraints). Dicapai 2026-06-15 daripada https://scholargate.app/ms/simulation/stochastic-multi-objective-optimization · Set data: https://doi.org/10.5281/zenodo.20539026