Multiobjektiv genetisk algoritm (MOGA) — Evolutionär sökning efter Pareto-optimala lösningar
En multiobjektiv genetisk algoritm (MOGA) är en evolutionär beräkningsmetod som utvecklar en population av kandidatlösningar mot en Pareto-optimal front, samtidigt som den optimerar två eller flera motstridiga objektivfunktioner. Den undviker att kollapsa avvägningar till en enda poäng, och producerar istället en uppsättning icke-dominerade lösningar som beslutsfattaren kan välja bland.
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.
+9 more
Källor
- Goldberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Addison-Wesley. ISBN: 9780201157673
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multi-Objective Genetic Algorithm (MOGA). ScholarGate. https://scholargate.app/sv/simulation/multi-objective-genetic-algorithm
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.
- Genetisk algoritmOptimering↔ compare
- Multiobjektiv optimeringSimulering↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulering↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →