Bayesian NSGA-II — Wielokryterialna optymalizacja ewolucyjna wspomagana przez modele zastępcze
Bayesian NSGA-II integruje modele zastępcze oparte na procesach Gaussa (metamodelowanie bayesowskie) w pętli ewolucyjnej algorytmu NSGA-II w celu rozwiązywania kosztownych wielokryterialnych problemów optymalizacyjnych. Zastępując kosztowne rzeczywiste ewaluacje funkcji szybkimi probabilistycznymi predykcjami, algorytm odkrywa wysokiej jakości przybliżenia frontu Pareto przy znacznie mniejszej liczbie rzeczywistych ewaluacji niż standardowy NSGA-II.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Surrogate-Assisted Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/pl/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.
- Optymalizacja bayesowskaOptymalizacja↔ compare
- Wielo-celowy algorytm genetyczny (MOGA)Symulacja↔ compare
- Optymalizacja wielocelowaSymulacja↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →