Agent-Based Ant Colony Optimization — Swarm Intelligence for Combinatorial and Simulation Problems
Agent-Based Ant Colony Optimization (AB-ACO) modelyuje jednotlivé mravence jako autonomní agenty, kteří pravděpodobně konstruují řešení sledováním a ukládáním stop feromonů na vyhledávacím grafu. Spojením pravidel chování na úrovni agentů se sdíleným prostředím feromonů konverguje kolektivní systém ke kvalitním řešením složitých kombinatorických problémů a problémů simulace bez centrální koordinace.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Dorigo, M., Stutzle, T. (2004). Ant Colony Optimization. MIT Press, Cambridge, MA. ISBN: 9780262042192
- Bonabeau, E., Dorigo, M., Theraulaz, G. (1999). Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press, New York. ISBN: 9780195131581
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Agent-Based Ant Colony Optimization. ScholarGate. https://scholargate.app/cs/simulation/agent-based-ant-colony-optimization
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.
- Modelování založené na agentech (ABM)Simulace↔ compare
- Optimalizace mravenčí koloniíOptimalizace↔ compare
- Genetický algoritmusOptimalizace↔ compare
- Multi-Objective Ant Colony Optimization (MOACO)Simulace↔ compare
- Optimalizace rojem částic (PSO)Optimalizace↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →