เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| แบบจำลองมาร์คอฟหลายวัตถุประสงค์× | การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์× | |
|---|---|---|
| สาขาวิชา | การจำลอง | การจำลอง |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด≠ | 2006 | 1896 (concept); 1989–2002 (evolutionary algorithms era) |
| ผู้ริเริ่ม≠ | Chatterjee, K., Majumdar, R., Henzinger, T. A. (formal; survey: Roijers et al.) | Vilfredo Pareto (concept); modern computational formulation by Goldberg and Deb et al. |
| ประเภท≠ | Stochastic sequential decision model with multiple objectives | Optimization framework |
| แหล่งต้นตำรับ≠ | Roijers, D. M., Vamplew, P., Whiteson, S., & Dazeley, R. (2013). A survey of multi-objective sequential decision-making. Journal of Artificial Intelligence Research, 48, 67–113. DOI ↗ | Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396 |
| ชื่อเรียกอื่น | MOMDP, Multi-objective MDP, Multi-criteria Markov Decision Process, MO-Markov Model | MOO, Multi-Criteria Optimization, Vector Optimization, Pareto Optimization |
| ที่เกี่ยวข้อง≠ | 5 | 3 |
| สรุป≠ | A Multi-objective Markov Model (MOMDP) extends classical Markov Decision Processes to settings where an agent must optimize several reward signals simultaneously. Instead of a single optimal policy, the model produces a Pareto-optimal set of policies, enabling decision-makers to navigate trade-offs between competing goals such as cost, risk, and throughput over time. | Multi-Objective Optimization (MOO) is a mathematical and computational framework for finding solutions that simultaneously optimize two or more conflicting objective functions. Rather than collapsing all goals into a single scalar, MOO produces a set of trade-off solutions — the Pareto front — from which a decision-maker selects according to preference. It is widely used in engineering design, operations research, logistics, economics, and policy analysis. |
| ScholarGateชุดข้อมูล ↗ |
|
|