Algoritmo Genético Multiobjetivo (MOGA) — Busca Evolucionária por Soluções Ótimas de Pareto
Um Algoritmo Genético Multiobjetivo (MOGA) é um método de computação evolucionária que desenvolve uma população de soluções candidatas em direção a uma fronteira ótima de Pareto, otimizando simultaneamente duas ou mais funções objetivo conflitantes. Ele evita colapsar os trade-offs em uma única pontuação, produzindo, em vez disso, um conjunto de soluções não dominadas para o tomador de decisão escolher.
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.
+9 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/pt/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.
- Algoritmo GenéticoOtimização↔ compare
- Otimização MultiobjetivoSimulação↔ compare
- Otimização por Enxame de Partículas Multi-Objetivo (MOPSO)Simulação↔ compare
- Recozimento Simulado Multiobjetivo (MOSA)Simulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →