Agent-pohjainen NSGA-II — Simulaatiopohjainen evolutiivinen moniobjektiivinen optimointi
Agent-pohjainen NSGA-II upottaa NSGA-II-evoluutioalgoritmin agenttipohjaisen simulaatiolenkin sisään siten, että kunkin ehdokasratkaisun objektiiviarvot määräytyvät ajamalla täysi agenttisimulaatio suljetun muodon funktion arvioinnin sijaan. Tämä kytkentä mahdollistaa moniobjektiivisen optimoinnin järjestelmille, joiden suorituskyky syntyy autonomisten agenttien mikrotason vuorovaikutuksesta pikemminkin kuin analyyttisesti käsiteltävistä yhtälöistä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/fi/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.
- Agenttipohjainen mallinnus (ABM)Simulointi↔ compare
- Agenttipohjainen moniobjektiivinen optimointiSimulointi↔ compare
- Monitavoitteinen geneettinen algoritmi (MOGA)Simulointi↔ compare
- Stochastic NSGA-IISimulointi↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →