Агентно-базиран NSGA-II — Еволюционна многокритериална оптимизация, задвижвана от симулация
Агентно-базираният NSGA-II вгражда еволюционния алгоритъм NSGA-II в цикъл на агентно-базирана симулация, така че стойностите на целите за всяко кандидат-решение се определят чрез изпълнение на пълна агентна симулация, вместо чрез оценка на функция в затворен вид. Това свързване позволява многокритериална оптимизация върху системи, чиято производителност възниква от взаимодействия на микро ниво на автономни агенти, а не от аналитично управляеми уравнения.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
- Macal, C. M., & North, M. J. (2010). Tutorial on agent-based modelling and simulation. Journal of Simulation, 4(3), 151-162. DOI: 10.1057/jos.2010.3 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/bg/simulation/agent-based-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.
- Агентно-базирано моделиране (ABM)Симулационно моделиране↔ compare
- Агентно-базирана многокритериална оптимизацияСимулационно моделиране↔ compare
- Многокритериален генетичен алгоритъм (MOGA)Симулационно моделиране↔ compare
- Stochastic NSGA-IIСимулационно моделиране↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →