Robust NSGA-II — Optimizim shumëobjektiv nën pasiguri
Robust NSGA-II shtrin algoritmin evolucionar klasik NSGA-II për të marrë parasysh pasigurinë parametrike, duke gjetur zgjidhje kompromisi Pareto-optimale që mbeten me performancë të lartë edhe kur parametrat hyrës devijojnë nga vlerat e tyre nominale. Në vend që të optimizojë vlerat objektive në një pikë të vetme, ai vlerëson çdo zgjidhje kandidate në një gamë ose shpërndarje realizimesh pasigurie dhe zgjedh për qëndrueshmëri (robustness) krahas dominimit Pareto.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/sq/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.
- Algoritmi Gjenetik Multi-Objektiv (MOGA)Simulimi↔ compare
- Optimizimi me shumë objektivëSimulimi↔ compare
- Algoritmi Gjenetik RobustSimulimi↔ compare
- Optimizimi Robust me Shumë ObjekteSimulimi↔ compare
- Stochastic NSGA-IISimulimi↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →