Детермінована багатоцільова оптимізація — Класичні Парето-орієнтовані та скаляризаційні методи
Детермінована багатоцільова оптимізація (Deterministic MOO) — це сімейство класичних оптимізаційних підходів, які одночасно мінімізують або максимізують кілька конфліктуючих цільових функцій над детермінованою допустимою множиною. Вона створює фронт Парето — множину недомінованих рішень — з якої особа, що приймає рішення, обирає бажаний компроміс. На відміну від стохастичних варіантів, усі оцінки цільових функцій та обмеження є фіксованими та безшумними.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 978-0-471-87339-6
- Miettinen, K. (1999). Nonlinear Multiobjective Optimization. Springer, Boston. ISBN: 978-1-4613-7544-9
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Deterministic Multi-Objective Optimization — Classical Pareto-based and scalarization approaches without stochastic components. ScholarGate. https://scholargate.app/uk/simulation/deterministic-multi-objective-optimization
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.
- Багатоцільове лінійне програмування (БЛП)Імітаційне моделювання↔ compare
- Багатокритеріальна оптимізаціяІмітаційне моделювання↔ compare
- Стохастична багатоцільова оптимізаціяІмітаційне моделювання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →