Bayesian NSGA-II — การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์โดยใช้การวิวัฒนาการร่วมกับแบบจำลองตัวแทน
Bayesian NSGA-II ผสานแบบจำลองตัวแทนแบบกระบวนการเกาส์เซียน (แบบจำลองอภิมานแบบเบย์เซียน) เข้ากับวงจรการวิวัฒนาการของ NSGA-II เพื่อแก้ปัญหาการหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ที่มีค่าใช้จ่ายสูง โดยการแทนที่การประเมินค่าฟังก์ชันจริงที่มีค่าใช้จ่ายสูงด้วยการทำนายเชิงความน่าจะเป็นที่รวดเร็ว ทำให้ค้นพบการประมาณค่าขอบเขตพาเรโตที่มีคุณภาพสูงโดยใช้การประเมินค่าจริงน้อยกว่า NSGA-II มาตรฐานอย่างมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Deb, K., Pratap, A., Agarwal, S., Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182–197. DOI: 10.1109/4235.996017 ↗
- Emmerich, M. T. M., Giannakoglou, K. C., Naujoks, B. (2006). Single- and multiobjective evolutionary optimization assisted by Gaussian random field metamodels. IEEE Transactions on Evolutionary Computation, 10(4), 421–439. DOI: 10.1109/TEVC.2005.859463 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Surrogate-Assisted Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/th/simulation/bayesian-nsga-ii
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesian Optimizationการหาค่าเหมาะที่สุด↔ compare
- Multi-Objective Genetic Algorithm (MOGA)การจำลอง↔ compare
- การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์การจำลอง↔ compare