Stokastisk multi-objektiv optimering — Optimering av flere motstridende mål under usikkerhet
Stokastisk multi-objektiv optimering (SMOO) er en klasse av metoder som samtidig optimaliserer to eller flere motstridende mål når parametere, kostnader eller begrensninger er usikre eller tilfeldige. I stedet for en enkelt optimal løsning, produserer den en Pareto-front av ikke-dominerte løsninger, som hver representerer en annen balanse mellom mål under den modellerte usikkerheten.
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.
+3 more
Kilder
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396
- Caramia, M., Dell'Olmo, P. (2008). Multi-Objective Management in Freight Logistics. Springer, London. DOI: 10.1007/978-1-84800-382-8 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Stochastic Multi-Objective Optimization — Multi-criteria optimization under uncertainty with probabilistic objectives or constraints. ScholarGate. https://scholargate.app/no/simulation/stochastic-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.
- Monte Carlo-simuleringBeslutningstaking↔ compare
- Multimål-optimeringSimulering↔ compare
- Robust multi-objektiv optimeringSimulering↔ compare
- Stochastic Dynamic ProgrammingSimulering↔ compare
- Stokastisk Genetisk AlgoritmeSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →