Bayesian NSGA-II – Surrogatassistert multiobjektiv evolusjonær optimering
Bayesian NSGA-II integrerer Gaussiske prosess-surrogatmodeller (Bayesianske metamodeller) i den evolusjonære sløyfen til NSGA-II for å løse kostbare multiobjektive optimeringsproblemer. Ved å erstatte dyre evalueringer av sanne funksjoner med raske probabilistiske prediksjoner, finner den Pareto-front-approksimasjoner av høy kvalitet med langt færre reelle evalueringer enn standard NSGA-II.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
- Emmerich, M. T. M., Giannakoglou, K. C., Naujoks, B. (2006). Single- and multiobjective evolutionary optimization assisted by Gaussian random field metamodels. IEEE Transactions on Evolutionary Computation, 10(4), 421–439. DOI: 10.1109/TEVC.2005.859463 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Surrogate-Assisted Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/no/simulation/bayesian-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.
- Bayesiansk optimeringOptimering↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulering↔ compare
- Multimål-optimeringSimulering↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →