بهینهسازی چندهدفه مبتنی بر عامل — جستجوی تکاملی غیرمتمرکز در میان اهداف رقیب
بهینهسازی چندهدفه مبتنی بر عامل (ABMOO) عاملهای خودمختار را در یک محیط شبیهسازی جاسازی میکند و رفتار یا پارامترهای آنها را تکامل میدهد تا به طور همزمان دو یا چند هدف متعارض را بهینه کند و در نتیجه به جای یک بهینه واحد، مرز کارای پارتو از راهحلها را ارائه دهد. این روش برای سیستمهای سازگار پیچیده که در آنها اهداف از تعاملات سطح خرد ناشی میشوند و نه از معادلات فرم بسته، مناسب است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/fa/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.
- مدلسازی عاملمحور (ABM)شبیهسازی↔ compare
- الگوریتم ژنتیک چندهدفه (MOGA)شبیهسازی↔ compare
- بهینهسازی چندهدفهشبیهسازی↔ compare
- بهینهسازی کلونی ذرات چندهدفه (MOPSO)شبیهسازی↔ compare
- بهینهسازی تصادفی چندهدفهشبیهسازی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →