Optimización Anticolectiva Multi-Objetivo (MOACO)
La Optimización Anticolectiva Multi-Objetivo (MOACO) es una metaheurística de inteligencia de enjambre que extiende el marco clásico de Optimización Anticolectiva para optimizar simultáneamente dos o más objetivos en conflicto. Hormigas artificiales construyen soluciones candidatas guiadas por rastros de feromonas e información heurística, construyendo progresivamente un archivo de soluciones de Pareto-óptimas en lugar de converger a una única mejor respuesta.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/es/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.
- Optimización por Colonia de HormigasOptimización↔ compare
- Algoritmo Genético Multiobjetivo (MOGA)Simulación↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulación↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →