เปรียบเทียบวิธี

	การหาค่าเหมาะที่สุดหลายวัตถุประสงค์เชิงสุ่ม	การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ที่ทนทาน
สาขาวิชา	การจำลอง	การจำลอง
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1990s–2000s	2006
ผู้ริเริ่ม	Various (Fonseca, Fleming, Deb, Zitzler, and others)	Deb, K. & Gupta, H.
ประเภท	Stochastic metaheuristic optimization	Optimization framework
แหล่งต้นตำรับ	Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396	Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463–494.
ชื่อเรียกอื่น	SMOO, Stochastic MOO, Multi-objective optimization under uncertainty, Robust multi-objective optimization	RMOO, Robust MOO, Robust Pareto Optimization, Uncertainty-Robust Multi-Objective Optimization
ที่เกี่ยวข้อง	5	4
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.	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.