Deterministisk multi-objektiv optimering – Klassiska Pareto-baserade och skalariseringsmetoder
Deterministisk multi-objektiv optimering (Deterministic MOO) är en familj av klassiska optimeringsmetoder som samtidigt minimerar eller maximerar flera motstridiga objektivfunktioner över en deterministisk tillåten mängd. Den producerar en Pareto-front – mängden av icke-dominerade lösningar – från vilken en beslutsfattare väljer den föredragna avvägningen. Till skillnad från stokastiska varianter är alla objektivutvärderingar och bivillkor fixerade och brusfria.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 978-0-471-87339-6
- Miettinen, K. (1999). Nonlinear Multiobjective Optimization. Springer, Boston. ISBN: 978-1-4613-7544-9
Så citerar du den här sidan
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/sv/simulation/deterministic-multi-objective-optimization
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.
- Flerobjektiv linjär programmering (MOLP)Simulering↔ compare
- Multiobjektiv optimeringSimulering↔ compare
- Stokastisk multiobjektiv optimeringSimulering↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →