Deterministisk multi-objektiv optimering — Klassiske Pareto-baserte og skalariseringsmetoder
Deterministisk multi-objektiv optimering (Deterministisk MOO) er en familie av klassiske optimeringstilnærminger som samtidig minimerer eller maksimerer flere motstridende objektivfunksjoner over et deterministisk tillatt område. Den produserer en Pareto-front — settet av ikke-dominerte løsninger — hvorfra en beslutningstaker velger den foretrukne avveiningen. I motsetning til stokastiske varianter, er alle objektiv-evalueringer og begrensninger faste og støyfrie.
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. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 978-0-471-87339-6
- Miettinen, K. (1999). Nonlinear Multiobjective Optimization. Springer, Boston. ISBN: 978-1-4613-7544-9
Slik siterer du denne siden
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/no/simulation/deterministic-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-objektiv lineær programmering (MOLP)Simulering↔ compare
- Multimål-optimeringSimulering↔ compare
- Stokastisk multi-objektiv optimeringSimulering↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →