r00

Predykcja - jest naukowym sposobem przewidywania, w jaki sposób będą kształtowały się w przyszłości procesy lub zdarzenia. Na kształtowanie się procesów lub zjawisk mają wpływ różne czynniki, które można podzielić na:
 * czynniki zewnętrzne**, na które nie ma się wpływu,
 * czynniki wewnętrzne**, które można kształtować.

Prognozowanie wykorzystuje informację dotyczącą tych czynników i ich wpływu na badane zjawisko. W prognozowaniu bada się relacje między tymi czynnikami a badanym zjawiskiem oraz kształtowanie się ich w przeszłości do wnioskowania o przyszłości. Do prognozowania stosuje się nauki statystyczne i matematyczne.

Optymalizacja wielokryterialna (najbardziej naturalna metoda wnioskowania) – polega na znalezieniu optymalnego rozwiązania, które jest akceptowane z punktu widzenia każdego kryterium.

Optymalizacja wielokryterialna – próba znalezienia wektora zmiennych decyzyjnych: X = [X1, X2, ..., Xk] który spełnia określone warunki: g_i(X) >=0 h_i(X) = 0 (i = 1 ... m) oraz optymalizuje wektor funkcyjny, którego elementy reprezentują funkcje celu: f(X) = (f_1(X), f_2(X), ..., f_k(X)) Funkcje celu reprezentują matematyczny opis danego kryterium oraz najczęściej pozostają w konflikcie między sobą. Optymalizacja polega na znalezieniu takiego rozwiązania, które byłoby akceptowane dla każdej funkcji celu. Jest pierwszym krokiem w celu znalezienia rozwiązania. Oczywiście rozwiązanie byłoby idealne, gdyby było rozwiązaniem najlepszym z punktu widzenia każdej funkcji celu. Możliwe rozwiązania zadania optymalizacyjnego klasyfikuje się jako zdominowane i niezdominowane (paretooptymalne – ang. Pareto optimal)

Dla zadania maksymalizacji zestawu k funkcji celu: f(X) = (f_1(X), f_2(X), ..., f_k(X)) Rozwiązanie X jest zdominowane, jeśli istnieje dopuszczalne rozwiązanie Y nie gorsze od X, tzn. Dla każdej funkcji celu fi f_i(X) <= f_i(Y) (i = 1, ..., k) W przeciwnym wypadku X jest rozwiązaniem niezdominowanym

Dla zadania minimalizacji zestawu k funkcji celu: f(X) = (f_1(X), f_2(X), ..., f_k(X)) rozwiązanie X jest zdominowane, jeśli istnieje dopuszczalne rozwiązanie Y nie gorsze od X, tzn. Dla każdej funkcji celu fi f_i(Y) <= f_i(X) (i = 1, ..., k) W przeciwnym wypadku X jest rozwiązaniem niezdominowanym.

Algorytmy Ewolucyjne