Agent-basední multi-objektivní optimalizace — decentralizované evoluční vyhledávání napříč konkurujícími si cíli
Agent-basední multi-objektivní optimalizace (ABMOO) vkládá autonomní agenty do simulačního prostředí a vyvíjí jejich chování nebo parametry k současné optimalizaci dvou nebo více konfliktních cílů, což vede k Pareto-efektivní hranici řešení namísto jediného optima. Je vhodná pro komplexní adaptivní systémy, kde cíle vyplývají z interakcí na mikroskopické úrovni spíše než z rovnic v uzavřené formě.
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
- Bonabeau, E., Dorigo, M., & Theraulaz, G. (2002). Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press. ISBN: 9780195131598
- Coello Coello, C. A., Lamont, G. B., & Van Veldhuizen, D. A. (2007). Evolutionary Algorithms for Solving Multi-Objective Problems (2nd ed.). Springer. ISBN: 9780387332543
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/cs/simulation/agent-based-multi-objective-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
- Vícecílový Genetický Algoritmus (MOGA)Simulace↔ compare
- Víc Cílová OptimalizaceSimulace↔ compare
- Víc Cílová Optimalizace Rojem Částic (MOPSO)Simulace↔ compare
- Stochastická multikriteriální optimalizaceSimulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →