Multi-Objective Genetic Algorithm (MOGA) — Evolutionaire Zoektocht naar Pareto-Optimale Oplossingen
Een Multi-Objective Genetic Algorithm (MOGA) is een evolutionaire rekenmethode die een populatie van kandidaat-oplossingen evolueert richting een Pareto-optimale front, waarbij twee of meer conflicterende doelstellingsfuncties gelijktijdig worden geoptimaliseerd. Het vermijdt het reduceren van afwegingen tot een enkele score, en produceert in plaats daarvan een set van niet-gedomineerde oplossingen waaruit de beslisser kan kiezen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/nl/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.
- Genetisch AlgoritmeOptimalisatie↔ compare
- Multi-Objective OptimizationSimulatie↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulatie↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →