Robust NSGA-II — Multiobjektiv optimering under osäkerhet
Robust NSGA-II utökar den klassiska evolutionära algoritmen NSGA-II för att hantera parametrisk osäkerhet, och finner Pareto-optimala avvägningslösningar som bibehåller hög prestanda även när indataparametrar avviker från sina nominella värden. Istället för att optimera objektivvärden vid en enskild punkt, utvärderar den varje kandidatlösning över ett intervall eller en fördelning av osäkerhetsrealiseringar och väljer för robusthet vid sidan av Pareto-dominans.
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., 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/sv/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.
- Multiobjektiv genetisk algoritm (MOGA)Simulering↔ compare
- Multiobjektiv optimeringSimulering↔ compare
- Robust Genetisk AlgoritmSimulering↔ compare
- Robust Multi-Objective OptimizationSimulering↔ compare
- Stochastic NSGA-IISimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →