Робастный NSGA-II — Многокритериальная оптимизация в условиях неопределенности
Робастный NSGA-II расширяет классический эволюционный алгоритм NSGA-II для учета параметрической неопределенности, находя Парето-оптимальные компромиссные решения, которые остаются высокопроизводительными даже при отклонении входных параметров от их номинальных значений. Вместо оптимизации значений целевых функций в одной точке, он оценивает каждое кандидатное решение в диапазоне или распределении реализаций неопределенности и отбирает решения по робастности наряду с Парето-доминированием.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/ru/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.
- Многокритериальный генетический алгоритм (MOGA)Имитационное моделирование↔ compare
- Многокритериальная оптимизацияИмитационное моделирование↔ compare
- Устойчивый генетический алгоритмИмитационное моделирование↔ compare
- Робастная многокритериальная оптимизацияИмитационное моделирование↔ compare
- Стохастический NSGA-IIИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →