Optimisation par Colonies de Fourmis Multi-Objectifs (MOACO)
L'Optimisation par Colonies de Fourmis Multi-Objectifs (MOACO) est une métaheuristique d'intelligence collective qui étend le cadre classique de l'Optimisation par Colonies de Fourmis pour optimiser simultanément deux objectifs conflictuels ou plus. Des fourmis artificielles construisent des solutions candidates guidées par des pistes de phéromones et des informations heuristiques, construisant progressivement une archive de solutions Pareto-optimales plutôt que de converger vers une seule meilleure réponse.
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
- Gambardella, L. M., Taillard, E., & Agazzi, G. (1999). MACS-VRPTW: A multiple ant colony system for vehicle routing problems with time windows. In D. Corne, M. Dorigo, & F. Glover (Eds.), New Ideas in Optimization (pp. 63–76). McGraw-Hill. link ↗
- Dorigo, M., & Stützle, T. (2004). Ant Colony Optimization. MIT Press. ISBN: 9780262042192
Comment citer cette page
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/fr/simulation/multi-objective-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.
- Optimisation par Colonies de FourmisOptimisation↔ compare
- Algorithme Génétique Multi-Objectif (MOGA)Simulation↔ compare
- Optimisation par essaims particulaires multi-objectif (MOPSO)Simulation↔ compare
- Recuit Simulé Multi-Objectif (MOSA)Simulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →