Agent-Based NSGA-II — Szimulációvezérelt evolúciós többcélú optimalizálás
Az Agent-based NSGA-II beágyazza az NSGA-II evolúciós algoritmust egy ügynök-alapú szimulációs ciklusba, így az egyes jelölt megoldások célfüggvény-értékeit egy teljes ügynök szimuláció futtatásával határozzák meg, ahelyett, hogy egy zárt formulát értékelnének ki. Ez a kapcsolódás lehetővé teszi a többcélú optimalizálást olyan rendszerek felett, amelyek teljesítménye az autonóm ügynökök mikroszintű interakcióiból fakad, nem pedig analitikusan kezelhető egyenletekből.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/hu/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.
- Ügynökalapú modellezés (ABM)Szimuláció↔ compare
- Ügynökalapú többcélú optimalizálásSzimuláció↔ compare
- Multi-objective genetic algorithmSzimuláció↔ compare
- Stochastic NSGA-IISzimuláció↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →