เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การหาค่าเหมาะที่สุดหลายวัตถุประสงค์เชิงสุ่ม× | การจำลองแบบมอนติคาร์โล× | |
|---|---|---|
| สาขาวิชา≠ | การจำลอง | การตัดสินใจ |
| ตระกูล≠ | Process / pipeline | MCDM |
| ปีกำเนิด≠ | 1990s–2000s | 1949 |
| ผู้ริเริ่ม≠ | Various (Fonseca, Fleming, Deb, Zitzler, and others) | Metropolis, N., Ulam, S. |
| ประเภท≠ | Stochastic metaheuristic optimization | Robustness wrapper — Monte Carlo uncertainty propagation |
| แหล่งต้นตำรับ≠ | Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396 | Metropolis, N., Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association DOI ↗ |
| ชื่อเรียกอื่น≠ | SMOO, Stochastic MOO, Multi-objective optimization under uncertainty, Robust multi-objective optimization | — |
| ที่เกี่ยวข้อง≠ | 5 | 0 |
| สรุป≠ | 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. | MONTE-CARLO-SIMULATION (Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model) is a ranking multi-criteria decision-making (MCDM) method introduced by Metropolis, N., Ulam, S. in 1949. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result. |
| ScholarGateชุดข้อมูล ↗ |
|
|