ScholarGate
Avustaja

Metaheuristiikat

48 menetelmää tässä perheessä.

Esittelyssä

Agent-Based Ant Colony OptimizationAgent-Based Ant Colony Optimization (AB-ACO) models individual ants as autonomous agents that probabilistically construct solutions by following and depositing pheromone trails on Agenttipohjainen geneettinen algoritmiAn Agent-Based Genetic Algorithm (ABGA) partitions a genetic algorithm's population across a network of autonomous agents, each maintaining a local sub-population and evolving it iAgent-pohjainen NSGA-IIAgent-based NSGA-II embeds the NSGA-II evolutionary algorithm inside an agent-based simulation loop so that objective values for each candidate solution are determined by running aAgent-Based Tabu SearchAgent-Based Tabu Search (ABTS) embeds the tabu search metaheuristic inside a multi-agent framework where autonomous agents each run independent or cooperating tabu search threads, MuurahaiskoloniaoptimointiAnt Colony Optimization (ACO) is a metaheuristic algorithm introduced by Marco Dorigo and colleagues in the early 1990s that solves combinatorial optimisation problems by simulatinKeinotekoinen mehiläisyhteiskunta (ABC) -optimointiArtificial Bee Colony (ABC) is a population-based swarm intelligence metaheuristic introduced by Karaboga and Basturk in 2007. It models the cooperative foraging behavior of a hone

Lukupolku

Tämän aiheen viitatuimmat perusmenetelmät kehitysjärjestyksessään — hyvä aloituspaikka, jos olet täällä uusi.

  1. Genetiikka-algoritmi1975tekijä John Henry Holland
  2. Simulated Annealing1983
  3. Monitavoitteinen geneettinen algoritmi (MOGA)1984tekijä Schaffer, J. D. (early MOGA); Goldberg, D. E. (GA foundations)
  4. Tabu Search1989tekijä Fred Glover
  5. Muurahaiskoloniaoptimointi1992 (foundational thesis); 1997 (Ant Colony System formalization)
  6. Hiukkasparviäly (PSO)1995
  7. Differentiaalikehitys – globaali stokastinen optimoija1997tekijä Rainer Storn & Kenneth Price
  8. Monitavoitteinen hiukkasparvianalyysi (MOPSO)2004tekijä Coello Coello, C. A., Pulido, G. T., & Lechuga, M. S.
kaikki tämän hyllyn menetelmät ↓

Kaikki menetelmät 48

Agent-Based Ant Colony OptimizationAgenttipohjainen geneettinen algoritmiAgent-pohjainen NSGA-IIAgent-Based Tabu SearchMuurahaiskoloniaoptimointiKeinotekoinen mehiläisyhteiskunta (ABC) -optimointiBat AlgorithmBayesilainen muurahaiskoloniaoptimointiBayesian Genetic AlgorithmBayesiläinen NSGA-II[UNTRANSLATED: Bayesian Particle Swarm OptimizationBayesiläinen simuloitu hehkutusBayesilainen Tabu-hakuKäkioptimointiDeterministinen geneettinen algoritmiDeterministinen hiukkaparvioptimointiDeterministinen simulointihehkutusDifferentiaalikehitys – globaali stokastinen optimoijaFulgorialgoritmiGenetiikka-algoritmiGrey Wolf OptimizerHarmony SearchHyper-heuristiikatMatheuristiikka: matemaattisen ohjelmoinnin ja heuristiikkojen yhdistäminenMేశారుgoritmiMonitavoitteinen muurahaiskoloniaoptimointi (MOACO)Monitavoitteinen geneettinen algoritmi (MOGA)Monitavoitteinen hiukkasparvianalyysi (MOPSO)Monitavoitteinen simuloitu hehkutus (MOSA)Multi-objective Tabu SearchNSGA-IINSGA-IIIHiukkasparviäly (PSO)Policy Scenario Genetic AlgorithmPolicy Scenario Particle Swarm OptimizationRobust Ant Colony OptimizationVankka geneettinen algoritmiRobust NSGA-IIRobust Particle Swarm OptimizationRobust Simulated AnnealingRobust Tabu SearchSimheuristicsSimulated AnnealingStokastinen geneettinen algoritmiStochastic NSGA-IIStokastinen hiukkaparvioptimointiStokastinen Tabu-haku – Satunnaistettu metaheuristiikka muistillaTabu Search