Robust NSGA-II — การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ภายใต้ความไม่แน่นอน
Robust NSGA-II เป็นการขยายอัลกอริทึมเชิงวิวัฒนาการ NSGA-II แบบคลาสสิก เพื่อรองรับความไม่แน่นอนของพารามิเตอร์ โดยค้นหาผลลัพธ์ที่ยอมรับความสูญเสียได้ (Pareto-optimal trade-off solutions) ซึ่งยังคงมีประสิทธิภาพสูงแม้ว่าค่าพารามิเตอร์อินพุตจะเบี่ยงเบนไปจากค่าที่กำหนดไว้ก็ตาม แทนที่จะหาค่าที่เหมาะสมที่สุดของค่าวัตถุประสงค์ ณ จุดเดียว อัลกอริทึมจะประเมินแต่ละผลลัพธ์ที่เสนอขึ้นมาในช่วงหรือการกระจายของการรับรู้ความไม่แน่นอน และเลือกผลลัพธ์ที่ทนทาน (robust) ควบคู่ไปกับการครอบงำแบบพาเรโต (Pareto dominance)
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 ↗
- Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463-494. DOI: 10.1162/evco.2006.14.4.463 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/th/simulation/robust-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.
- Multi-Objective Genetic Algorithm (MOGA)การจำลอง↔ compare
- การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์การจำลอง↔ compare
- อัลกอริทึมพันธุกรรมที่แข็งแกร่งการจำลอง↔ compare
- การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ที่ทนทานการจำลอง↔ compare
- Stochastic NSGA-IIการจำลอง↔ compare