잡음이 많은 다중 목적 최적화 문제는 새로운 결정점을 탐색하는 것과 재샘플링을 통해 알려진 점의 정밀도를 향상시키는 것 사이의 끊임없는 절충이라는 어려움을 가지고 있습니다. 이 결정은 목적 함수의 변동성과 파레토 프런트에 대한 점의 현재 추정치 모두를 고려해야 합니다. 잡음의 양과 분포는 일반적으로 알 수 없으므로, 결정 함수가 최적화 문제의 특성에 매우 적응적이어야 합니다. 본 논문에서는 부트스트래핑과 지배 확률을 사용하여 최적화 문제의 확률적 특성을 통합하는 재샘플링 결정 함수를 제시합니다. 지배 확률의 분포-자유 추정은 평균의 부트스트랩 추정치를 사용하여 달성됩니다. 매우 적은 관측치로도 절차를 적용할 수 있도록 다른 결정점에서 관찰된 분포를 전달합니다. 다양한 잡음 변화 하에서 순차적 재샘플링 절차를 사용하여 NSGA-II 알고리즘에 적용함으로써 이 재샘플링 접근 방식의 효율성을 보여줍니다.
