NSGA-II basat en agents — Optimització evolutiva multi-objectiu basada en simulació
L'NSGA-II basat en agents incrusta l'algorisme evolutiu NSGA-II dins d'un bucle de simulació basat en agents, de manera que els valors objectius per a cada solució candidata es determinen executant una simulació completa d'agents en lloc d'avaluar una funció de forma tancada. Aquest acoblament permet l'optimització multi-objectiu sobre sistemes el rendiment dels quals sorgeix de les interaccions a micro-nivell d'agents autònoms, en lloc de d'equacions analíticament tractables.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/ca/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.
- Modelització Basada en Agents (ABM)Simulació↔ compare
- Optimització Multi-Objectiu Basada en AgentsSimulació↔ compare
- Algorisme Genètic Multiobjectiu (MOGA)Simulació↔ compare
- NSGA-II EstocàsticSimulació↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →