Stochastische NSGA-II — Evolutionaire Multi-Objectieve Optimalisatie onder Onzekerheid
Stochastische NSGA-II breidt het evolutionaire algoritme NSGA-II uit om om te gaan met objectieve functies die ruis bevatten, onzeker zijn of probabilistisch van aard zijn. Door stochastische doelstellingen te middelen of te bemonsteren over meerdere evaluaties, identificeert het Pareto-optimale oplossingen die robuust zijn tegen onzekerheid, waardoor het geschikt is voor problemen in engineeringontwerp, supply chain-beheer en beleidsoptimalisatie waar variabiliteit in de praktijk een rol speelt.
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., 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 ↗
- Hughes, E. J. (2001). Evolutionary multi-objective ranking with uncertainty and noise. In Proceedings of the First International Conference on Evolutionary Multi-Criterion Optimization (EMO 2001), Lecture Notes in Computer Science, vol. 1993, pp. 329–343. Springer. DOI: 10.1007/3-540-44719-9_23 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/nl/simulation/stochastic-nsga-ii
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
- Robuust NSGA-IISimulatie↔ compare
- Stochastisch Genetisch AlgoritmeSimulatie↔ compare
- Stochastische Multi-Objective OptimalisatieSimulatie↔ compare
- Stochastische DeeltjeszwermoptimalisatieSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →