Robust NSGA-II — Multi-objektiv optimalisering under usikkerhet
Robust NSGA-II utvider den klassiske evolusjonære algoritmen NSGA-II for å ta hensyn til parametrisk usikkerhet, og finner Pareto-optimale avveiningsløsninger som forblir høytytende selv når inngangsparametere avviker fra sine nominelle verdier. I stedet for å optimalisere objektivverdier på et enkelt punkt, evaluerer den hver kandidatløsning over et område eller en fordeling av usikkerhetsrealiseringer og velger for robusthet i tillegg til Pareto-dominans.
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 ↗
- Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463-494. DOI: 10.1162/evco.2006.14.4.463 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/no/simulation/robust-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)Simulering↔ compare
- Multimål-optimeringSimulering↔ compare
- Robust genetisk algoritme – evolusjonær optimering under usikkerhetSimulering↔ compare
- Robust multi-objektiv optimeringSimulering↔ compare
- Stochastic NSGA-IISimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →