بهینهسازی کلونی مورچه چندهدفه (MOACO)
بهینهسازی کلونی مورچه چندهدفه (MOACO) یک فراابتکار هوش ازدحامی است که چارچوب بهینهسازی کلونی مورچه کلاسیک را برای بهینهسازی همزمان دو یا چند هدف متعارض گسترش میدهد. مورچههای مصنوعی با هدایت مسیرهای فرومون و اطلاعات شهودی، راهحلهای کاندیدا را میسازند و به تدریج آرشیوی از راهحلهای پارتو بهینه را به جای همگرایی به یک پاسخ واحد بهینه، ایجاد میکنند.
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
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/fa/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.
- بهینهسازی کلونی مورچگانبهینهسازی↔ compare
- الگوریتم ژنتیک چندهدفه (MOGA)شبیهسازی↔ compare
- بهینهسازی کلونی ذرات چندهدفه (MOPSO)شبیهسازی↔ compare
- بهینهسازی شبیهسازی شده چندهدفه (MOSA)شبیهسازی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →