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.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Dorigo, M., Stutzle, T. (2004). Ant Colony Optimization. MIT Press, Cambridge, MA. ISBN: 9780262042192
- 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.
- Modélisation Basée sur les Agents (MBA)Simulation↔ compare
- Optimisation par Colonies de FourmisOptimisation↔ compare
- Algorithme génétiqueOptimisation↔ compare
- Optimisation par Colonies de Fourmis Multi-Objectifs (MOACO)Simulation↔ compare
- Optimisation par essaim particulaire (PSO)Optimisation↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →