เปรียบเทียบวิธี

	การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ตามสถานการณ์นโยบาย	การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ที่ทนทาน
สาขาวิชา	การจำลอง	การจำลอง
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1990s–2000s	2006
ผู้ริเริ่ม	Evolved from multi-objective optimization and policy scenario analysis communities	Deb, K. & Gupta, H.
ประเภท	Scenario-conditioned multi-objective search	Optimization framework
แหล่งต้นตำรับ	Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. John Wiley & Sons, Chichester. ISBN: 9780471873396	Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463–494.
ชื่อเรียกอื่น	PS-MOO, Policy-Driven MOO, Scenario-Based Multi-Objective Optimization, Policy MOO	RMOO, Robust MOO, Robust Pareto Optimization, Uncertainty-Robust Multi-Objective Optimization
ที่เกี่ยวข้อง	4	4
สรุป	Policy Scenario Multi-Objective Optimization (PS-MOO) integrates explicit policy scenario construction with multi-objective optimization to identify Pareto-optimal policy options across plausible future states. Decision-makers evaluate trade-offs between competing objectives — such as economic efficiency, equity, and environmental impact — for each distinct policy scenario, then compare Pareto fronts to select robust or scenario-contingent strategies.	Robust Multi-Objective Optimization (RMOO) is a framework for finding solutions that simultaneously optimize multiple conflicting objectives while remaining insensitive to perturbations in decision variables or problem parameters. Unlike classical MOO, RMOO explicitly incorporates uncertainty into the optimization loop, producing a robust Pareto front whose members perform well not only at the nominal design point but also across a neighbourhood of plausible operating conditions.