Multi-Objective Ant Colony Optimization (MOACO)
Multi-Objective Ant Colony Optimization (MOACO) je metaheuristika rojové inteligence, která rozšiřuje klasický rámec Ant Colony Optimization (ACO) tak, aby současně optimalizovala dva nebo více konfliktních cílů. Umělé mravence konstruují kandidátní řešení vedená stopami feromonů a heuristickými informacemi, postupně budují archiv Pareto-optimálních řešení namísto konvergence k jednomu nejlepšímu výsledku.
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
- Gambardella, L. M., Taillard, E., & Agazzi, G. (1999). MACS-VRPTW: A multiple ant colony system for vehicle routing problems with time windows. In D. Corne, M. Dorigo, & F. Glover (Eds.), New Ideas in Optimization (pp. 63–76). McGraw-Hill. link ↗
- Dorigo, M., & Stützle, T. (2004). Ant Colony Optimization. MIT Press. ISBN: 9780262042192
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/cs/simulation/multi-objective-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.
- Optimalizace mravenčí koloniíOptimalizace↔ compare
- Vícecílový Genetický Algoritmus (MOGA)Simulace↔ compare
- Víc Cílová Optimalizace Rojem Částic (MOPSO)Simulace↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →