Process / pipelineSimulation / optimization

Optimisation par Colonies de Fourmis à Base d'Agents — Intelligence en Essaim pour Problèmes Combinatoires et de Simulation

Les modèles d'Optimisation par Colonies de Fourmis à Base d'Agents (AB-ACO) considèrent des fourmis individuelles comme des agents autonomes qui construisent probabilistiquement des solutions en suivant et en déposant des pistes de phéromones sur un graphe de recherche. En couplant des règles de comportement au niveau de l'agent avec un environnement de phéromones partagé, le système collectif converge vers des solutions de haute qualité pour des problèmes d'optimisation combinatoires difficiles et intégrés à des simulations, sans coordination centrale.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. Dorigo, M., Stutzle, T. (2004). Ant Colony Optimization. MIT Press, Cambridge, MA. ISBN: 9780262042192
  2. Bonabeau, E., Dorigo, M., Theraulaz, G. (1999). Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press, New York. ISBN: 9780195131581

Comment citer cette page

ScholarGate. (2026, June 3). Agent-Based Ant Colony Optimization. ScholarGate. https://scholargate.app/fr/simulation/agent-based-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.

Compare side by side
ScholarGateAgent-based ant colony optimization (Agent-Based Ant Colony Optimization). Consulté le 2026-06-15 sur https://scholargate.app/fr/simulation/agent-based-ant-colony-optimization · Jeu de données : https://doi.org/10.5281/zenodo.20539026