NSGA-II Robusto — Otimização Multiobjetivo sob Incerteza
O NSGA-II Robusto estende o algoritmo evolucionário clássico NSGA-II para considerar a incerteza paramétrica, encontrando soluções de "trade-off" Pareto-ótimas que mantêm alto desempenho mesmo quando os parâmetros de entrada se desviam de seus valores nominais. Em vez de otimizar os valores objetivo em um único ponto, ele avalia cada solução candidata em uma faixa ou distribuição de realizações de incerteza e seleciona pela robustez, juntamente com a dominância de Pareto.
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 ↗
- Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463-494. DOI: 10.1162/evco.2006.14.4.463 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/pt/simulation/robust-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.
- Algoritmo Genético Multiobjetivo (MOGA)Simulação↔ compare
- Otimização MultiobjetivoSimulação↔ compare
- Algoritmo Genético RobustoSimulação↔ compare
- Otimização Robusta Multi-ObjetivoSimulação↔ compare
- Stochastic NSGA-IISimulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →