NSGA-II Mạnh Mẽ — Tối Ưu Hóa Đa Mục Tiêu Trong Điều Kiện Bất Định
NSGA-II Mạnh Mẽ mở rộng thuật toán tiến hóa NSGA-II cổ điển để tính đến sự bất định của tham số, tìm kiếm các giải pháp thỏa hiệp tối ưu Pareto vẫn đạt hiệu suất cao ngay cả khi các tham số đầu vào lệch khỏi giá trị danh định của chúng. Thay vì tối ưu hóa các giá trị mục tiêu tại một điểm duy nhất, nó đánh giá từng giải pháp ứng viên trên một phạm vi hoặc phân phối các hiện thực hóa bất định và lựa chọn dựa trên tính mạnh mẽ cùng với sự thống trị Pareto.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/vi/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.
- Thuật toán Di truyền Đa Mục tiêu (MOGA)Mô phỏng↔ compare
- Tối ưu hóa đa mục tiêuMô phỏng↔ compare
- Thuật toán di truyền mạnh mẽMô phỏng↔ compare
- Tối ưu hóa Đa Mục tiêu Mạnh mẽMô phỏng↔ compare
- Stochastic NSGA-IIMô phỏng↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →