Beleidsscenario's Multi-Objective Optimalisatie — Scenario-geconditioneerde Pareto-optimale Beleidskeuzes
Beleidsscenario's Multi-Objective Optimalisatie (PS-MOO) integreert expliciete constructie van beleidsscenario's met multi-objective optimalisatie om Pareto-optimale beleidsopties te identificeren over plausibele toekomstige toestanden. Besluitvormers evalueren afwegingen tussen concurrerende doelstellingen — zoals economische efficiëntie, billijkheid en milieu-impact — voor elk afzonderlijk beleidsscenario, en vergelijken vervolgens Pareto-fronten om robuuste of scenario-afhankelijke strategieën te selecteren.
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.
Bronnen
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. John Wiley & Sons, Chichester. ISBN: 9780471873396
- Walker, W. E., Harremoës, P., Rotmans, J., van der Sluijs, J. P., van Asselt, M. B. A., Janssen, P., & Krayer von Krauss, M. P. (2003). Defining uncertainty: a conceptual basis for uncertainty management in model-based decision support. Integrated Assessment, 4(1), 5–17. DOI: 10.1076/iaij.4.1.5.16466 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Policy Scenario Multi-Objective Optimization — Scenario-conditioned Pareto-optimal Policy Search. ScholarGate. https://scholargate.app/nl/simulation/policy-scenario-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.
- Multi-Objective Genetic Algorithm (MOGA)Simulatie↔ compare
- Multi-Objective OptimizationSimulatie↔ compare
- BeleidsscenarioanalyseSimulatie↔ compare
- Robuuste Multi-Objective OptimalisatieSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →