Optimisation multi-objectif basée sur les agents — Recherche évolutive décentralisée sur des objectifs concurrents
L'optimisation multi-objectif basée sur les agents (ABMOO) intègre des agents autonomes dans un environnement de simulation et fait évoluer leur comportement ou leurs paramètres pour optimiser simultanément deux objectifs conflictuels ou plus, produisant un front de Pareto de solutions plutôt qu'un optimum unique. Elle convient aux systèmes adaptatifs complexes où les objectifs émergent d'interactions au niveau micro plutôt que d'équations analytiques.
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
- Bonabeau, E., Dorigo, M., & Theraulaz, G. (2002). Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press. ISBN: 9780195131598
- Coello Coello, C. A., Lamont, G. B., & Van Veldhuizen, D. A. (2007). Evolutionary Algorithms for Solving Multi-Objective Problems (2nd ed.). Springer. ISBN: 9780387332543
Comment citer cette page
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/fr/simulation/agent-based-multi-objective-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
- Algorithme Génétique Multi-Objectif (MOGA)Simulation↔ compare
- Optimisation multi-objectifSimulation↔ compare
- Optimisation par essaims particulaires multi-objectif (MOPSO)Simulation↔ compare
- Optimisation stochastique multi-objectifsSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →