بهینهسازی چندهدفه تکاملی مبتنی بر شبیهسازی عامل-محور با الگوریتم NSGA-II
الگوریتم NSGA-II مبتنی بر عامل، الگوریتم تکاملی NSGA-II را در یک حلقه شبیهسازی مبتنی بر عامل جاسازی میکند تا مقادیر هدف برای هر راهحل کاندید از طریق اجرای یک شبیهسازی کامل عامل به جای ارزیابی یک تابع بسته به دست آید. این ترکیب، بهینهسازی چندهدفه را بر روی سیستمهایی که عملکردشان از تعاملات سطح خرد عاملهای خودمختار ناشی میشود، نه از معادلات قابل تحلیل ریاضی، امکانپذیر میسازد.
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
- Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182-197. DOI: 10.1109/4235.996017 ↗
- Macal, C. M., & North, M. J. (2010). Tutorial on agent-based modelling and simulation. Journal of Simulation, 4(3), 151-162. DOI: 10.1057/jos.2010.3 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/fa/simulation/agent-based-nsga-ii
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
- بهینهسازی چندهدفه مبتنی بر عاملشبیهسازی↔ compare
- الگوریتم ژنتیک چندهدفه (MOGA)شبیهسازی↔ compare
- Stochastic NSGA-IIشبیهسازی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →