Multi-Objective Genetic Algorithm (MOGA) — Evolusjonær søk etter Pareto-optimale løsninger
En Multi-Objective Genetic Algorithm (MOGA) er en evolusjonær beregningsmetode som utvikler en populasjon av kandidatløsninger mot en Pareto-optimal front, samtidig som den optimerer to eller flere motstridende objektivfunksjoner. Den unngår å redusere avveininger til en enkelt poengsum, og produserer i stedet et sett med ikke-dominerte løsninger som beslutningstakeren kan velge mellom.
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.
+9 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/no/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.
- Genetisk algoritmeOptimering↔ compare
- Multimål-optimeringSimulering↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulering↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →