Stochastic NSGA-II — Ewolucyjna optymalizacja wielokryterialna w warunkach niepewności
Stochastic NSGA-II rozszerza algorytm ewolucyjny NSGA-II o obsługę funkcji celu, które są zaszumione, niepewne lub probabilistyczne. Uśredniając lub próbując stochastyczne cele w wielu ewaluacjach, identyfikuje on rozwiązania Pareto-optymalne, które są odporne na niepewność, co czyni go odpowiednim do optymalizacji w projektowaniu inżynierskim, łańcuchach dostaw i optymalizacji polityki, gdzie zmienność w świecie rzeczywistym ma znaczenie.
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 ↗
- Hughes, E. J. (2001). Evolutionary multi-objective ranking with uncertainty and noise. In Proceedings of the First International Conference on Evolutionary Multi-Criterion Optimization (EMO 2001), Lecture Notes in Computer Science, vol. 1993, pp. 329–343. Springer. DOI: 10.1007/3-540-44719-9_23 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/pl/simulation/stochastic-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.
- Wielo-celowy algorytm genetyczny (MOGA)Symulacja↔ compare
- Robust NSGA-IISymulacja↔ compare
- Algorytm genetyczny stochastycznySymulacja↔ compare
- Stochastyczna Optymalizacja WielokryterialnaSymulacja↔ compare
- Stochastyczne Optymalizowanie Roju CząstekSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →