KaKaRaKe - User-Friendly Visualization for Multiobjective Optimization with High-Dimensional Objective Vectors
Dächert, K., Klamroth, K., Miettinen, K., & Steuer, R. E. (2020). KaKaRaKe - User-Friendly Visualization for Multiobjective Optimization with High-Dimensional Objective Vectors. In C. M. Fonseca, K. Klamroth, G. Rudolph, & M. M. Wiecek (Eds.), Scalability in Multiobjective Optimization (Dagstuhl Seminar 20031) (10, pp. 97-103). Dagstuhl Publishing. Dagstuhl Reports. https://drops.dagstuhl.de/opus/volltexte/2020/12401/pdf/dagrep_v010_i001_p052_20031.pdf
Julkaistu sarjassa
Dagstuhl ReportsPäivämäärä
2020Oppiaine
TietotekniikkaMultiobjective Optimization GroupLaskennallinen tiedePäätöksen teko monitavoitteisestiMathematical Information TechnologyMultiobjective Optimization GroupComputational ScienceDecision analytics utilizing causal models and multiobjective optimizationTekijänoikeudet
© Kerstin Dächert, Kathrin Klamroth, Kaisa Miettinen, and Ralph E. Steuer
Julkaisija
Dagstuhl PublishingKonferenssi
Dagstuhl SeminarKuuluu julkaisuun
Scalability in Multiobjective Optimization (Dagstuhl Seminar 20031)ISSN Hae Julkaisufoorumista
2192-5283
Alkuperäislähde
https://drops.dagstuhl.de/opus/volltexte/2020/12401/pdf/dagrep_v010_i001_p052_20031.pdfJulkaisu tutkimustietojärjestelmässä
https://converis.jyu.fi/converis/portal/detail/Publication/41576868
Metadata
Näytä kaikki kuvailutiedotKokoelmat
Lisenssi
Ellei muuten mainita, aineiston lisenssi on CC BY 3.0