Stochastic NSGA-II — การปรับให้เหมาะสมหลายวัตถุประสงค์เชิงวิวัฒนาการภายใต้ความไม่แน่นอน
Stochastic NSGA-II เป็นการต่อยอดอัลกอริทึมเชิงวิวัฒนาการ NSGA-II เพื่อจัดการกับฟังก์ชันวัตถุประสงค์ที่มีสัญญาณรบกวน ไม่แน่นอน หรือเป็นเชิงความน่าจะเป็น โดยการหาค่าเฉลี่ยหรือสุ่มตัวอย่างวัตถุประสงค์เชิงสุ่มจากการประเมินหลายครั้ง อัลกอริทึมนี้สามารถระบุผลเฉลย Pareto-optimal ที่ทนทานต่อความไม่แน่นอน ทำให้เหมาะสำหรับปัญหาการออกแบบทางวิศวกรรม ห่วงโซ่อุปทาน และการปรับให้เหมาะสมเชิงนโยบายที่ความผันแปรในโลกแห่งความเป็นจริงมีความสำคัญ
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 ↗
- Hughes, E. J. (2001). Evolutionary multi-objective ranking with uncertainty and noise. In Proceedings of the First International Conference on Evolutionary Multi-Criterion Optimization (EMO 2001), Lecture Notes in Computer Science, vol. 1993, pp. 329–343. Springer. DOI: 10.1007/3-540-44719-9_23 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Stochastic Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/th/simulation/stochastic-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
- Robust NSGA-IIการจำลอง↔ compare
- ขั้นตอนวิธีเชิงพันธุกรรมแบบสุ่มการจำลอง↔ compare
- การหาค่าเหมาะที่สุดหลายวัตถุประสงค์เชิงสุ่มการจำลอง↔ compare
- Stochastic Particle Swarm Optimizationการจำลอง↔ compare