Wielo-celowy algorytm genetyczny (MOGA) — poszukiwanie ewolucyjne rozwiązań Pareto-optymalnych
Wielo-celowy algorytm genetyczny (MOGA) to metoda obliczeń ewolucyjnych, która ewoluuje populację kandydatów na rozwiązania w kierunku frontu Pareto-optymalnego, jednocześnie optymalizując dwie lub więcej sprzecznych funkcji celu. Unika on redukcji kompromisów do pojedynczej wartości, zamiast tego generuje zbiór niedominowanych rozwiązań, spośród których decydent może dokonać wyboru.
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.
+9 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/pl/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.
- Algorytm genetycznyOptymalizacja↔ compare
- Optymalizacja wielocelowaSymulacja↔ compare
- Wielokryterialna optymalizacja rojem cząstek (MOPSO)Symulacja↔ compare
- Symulowane wyżarzanie wielokryterialne (MOSA)Symulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →