Stokastisk multiobjektiv optimering — Optimering av flera motstridiga mål under osäkerhet
Stokastisk multiobjektiv optimering (SMOO) är en klass av metoder som samtidigt optimerar två eller flera motstridiga mål när parametrar, kostnader eller restriktioner är osäkra eller slumpmässiga. Istället för en enskild optimal lösning producerar den en Paretofront av icke-dominerade lösningar, där varje lösning representerar en olika balans mellan målen under den modellerade osäkerheten.
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.
+3 more
Källor
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396
- Caramia, M., Dell'Olmo, P. (2008). Multi-Objective Management in Freight Logistics. Springer, London. DOI: 10.1007/978-1-84800-382-8 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Stochastic Multi-Objective Optimization — Multi-criteria optimization under uncertainty with probabilistic objectives or constraints. ScholarGate. https://scholargate.app/sv/simulation/stochastic-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.
- MontecarlosimuleringBeslutsfattande↔ compare
- Multiobjektiv optimeringSimulering↔ compare
- Robust Multi-Objective OptimizationSimulering↔ compare
- Stokastisk dynamisk programmeringSimulering↔ compare
- Stokastisk genetisk algoritmSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →