เปรียบเทียบวิธี

	การหาค่าเหมาะที่สุดหลายวัตถุประสงค์เชิงสุ่ม	Stochastic Dynamic Programming
สาขาวิชา	การจำลอง	การจำลอง
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1990s–2000s	1957
ผู้ริเริ่ม	Various (Fonseca, Fleming, Deb, Zitzler, and others)	Bellman, R.; formalized for stochastic settings by Puterman, M. L.
ประเภท	Stochastic metaheuristic optimization	Sequential optimization under uncertainty
แหล่งต้นตำรับ	Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396	Bellman, R. (1957). Dynamic Programming. Princeton University Press, Princeton, NJ. ISBN: 9780486428093
ชื่อเรียกอื่น	SMOO, Stochastic MOO, Multi-objective optimization under uncertainty, Robust multi-objective optimization	SDP, Markov Decision Process, MDP, Stochastic DP
ที่เกี่ยวข้อง	5	6
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.	Stochastic Dynamic Programming (SDP) is a mathematical optimization framework for sequential decision problems where outcomes are partly random. It extends Bellman's principle of optimality to stochastic environments, representing problems as Markov Decision Processes (MDPs) and computing optimal policies by solving recursive value equations over states and time periods.