Stochastic NSGA-II — Evolutionär multiobjektiv optimering under osäkerhet
Stochastic NSGA-II utökar den evolutionära algoritmen NSGA-II för att hantera målfunktioner som är brusiga, osäkra eller probabilistiska. Genom att medelvärdesbilda eller sampla stokastiska mål över flera utvärderingar identifierar den Pareto-optimala lösningar som är robusta mot osäkerhet, vilket gör den lämplig för ingenjörsdesign, leveranskedjor och optimering av policyproblem där verklig variabilitet spelar roll.
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 ↗
- Hughes, E. J. (2001). Evolutionary multi-objective ranking with uncertainty and noise. In Proceedings of the First International Conference on Evolutionary Multi-Criterion Optimization (EMO 2001), Lecture Notes in Computer Science, vol. 1993, pp. 329–343. Springer. DOI: 10.1007/3-540-44719-9_23 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/sv/simulation/stochastic-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
- Robust NSGA-IISimulering↔ compare
- Stokastisk genetisk algoritmSimulering↔ compare
- Stokastisk multiobjektiv optimeringSimulering↔ compare
- Stokastisk partikelsvärmoptimeringSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →