Agentenbasierte Multi-Objekt-Optimierung – Dezentrale evolutionäre Suche über konkurrierende Ziele hinweg
Die agentenbasierte Multi-Objekt-Optimierung (ABMOO) bettet autonome Agenten in eine Simulationsumgebung ein und entwickelt deren Verhalten oder Parameter, um zwei oder mehr widerstreitende Ziele gleichzeitig zu optimieren. Dies führt zu einer Pareto-effizienten Lösungsfront anstelle eines einzelnen Optimums. Sie eignet sich für komplexe adaptive Systeme, bei denen Ziele aus Mikro-Interaktionen und nicht aus geschlossenen Gleichungen entstehen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/de/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.
- Agentenbasiertes Modellieren (ABM)Simulation↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulation↔ compare
- Mehrzieloptimierung – Gleichzeitige Optimierung widerstreitender ZieleSimulation↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulation↔ compare
- Stochastische Multi-Objektiv-OptimierungSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →