Optimasi Koloni Semut Multi-Objektif (MOACO)
Optimasi Koloni Semut Multi-Objektif (MOACO) adalah metaheuristik kecerdasan kawanan yang memperluas kerangka Optimasi Koloni Semut klasik untuk mengoptimalkan dua atau lebih tujuan yang saling bertentangan secara bersamaan. Semut buatan membangun solusi kandidat yang dipandu oleh jejak feromon dan informasi heuristik, secara progresif membangun arsip solusi Pareto-optimal daripada konvergen ke satu jawaban terbaik.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/id/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.
- Optimasi Koloni SemutOptimasi↔ compare
- Algoritma Genetika Multi-Objektif (MOGA)Simulasi↔ compare
- Optimasi Kawanan Partikel Multi-Objektif (MOPSO)Simulasi↔ compare
- Simulated Annealing Multi-Objektif (MOSA)Simulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →