Bayesian NSGA-II — Otimização Evolucionária Multi-Objetivo Assistida por Surrogato
Bayesian NSGA-II integra modelos surrogatos de processo Gaussiano (metamodels Bayesianos) no loop evolutivo do NSGA-II para resolver problemas de otimização multi-objetivo caros. Ao substituir avaliações de função verdadeiras e custosas por predições probabilísticas rápidas, ele descobre aproximações de alta qualidade da fronte de Pareto com muito menos avaliações reais do que o NSGA-II padrão.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Surrogate-Assisted Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/pt/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.
- Otimização BayesianaOtimização↔ compare
- Algoritmo Genético Multiobjetivo (MOGA)Simulação↔ compare
- Otimização MultiobjetivoSimulação↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →