Stochastic NSGA-II — Otimização Evolucionária Multiobjetivo sob Incerteza
Stochastic NSGA-II estende o algoritmo evolutivo NSGA-II para lidar com funções objetivo que são ruidosas, incertas ou probabilísticas. Ao promediar ou amostrar objetivos estocásticos em múltiplas avaliações, ele identifica soluções Pareto-ótimas que são robustas à incerteza, tornando-o adequado para problemas de otimização de projeto de engenharia, cadeia de suprimentos e políticas, onde a variabilidade do mundo real importa.
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 ↗
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/pt/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.
- Algoritmo Genético Multiobjetivo (MOGA)Simulação↔ compare
- NSGA-II RobustoSimulação↔ compare
- Algoritmo Genético EstocásticoSimulação↔ compare
- Otimização Estocástica Multi-ObjetivoSimulação↔ compare
- Otimização por Enxame de Partículas EstocásticoSimulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →