เปรียบเทียบวิธี

	การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ที่ทนทาน	การหาค่าเหมาะที่สุดหลายวัตถุประสงค์เชิงสุ่ม
สาขาวิชา	การจำลอง	การจำลอง
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2006	1990s–2000s
ผู้ริเริ่ม	Deb, K. & Gupta, H.	Various (Fonseca, Fleming, Deb, Zitzler, and others)
ประเภท	Optimization framework	Stochastic metaheuristic optimization
แหล่งต้นตำรับ	Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463–494.	Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396
ชื่อเรียกอื่น	RMOO, Robust MOO, Robust Pareto Optimization, Uncertainty-Robust Multi-Objective Optimization	SMOO, Stochastic MOO, Multi-objective optimization under uncertainty, Robust multi-objective optimization
ที่เกี่ยวข้อง	4	5
สรุป	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.	Stochastic Multi-Objective Optimization (SMOO) is a class of methods that simultaneously optimizes two or more conflicting objectives when parameters, costs, or constraints are uncertain or random. Rather than a single optimal solution, it produces a Pareto front of non-dominated solutions, each representing a different balance among objectives under the modeled uncertainty.