Ottimizzazione Multi-Obiettivo Basata su Agenti — Ricerca evolutiva decentralizzata tra obiettivi concorrenti
L'ottimizzazione multi-obiettivo basata su agenti (ABMOO) integra agenti autonomi all'interno di un ambiente di simulazione ed evolve il loro comportamento o parametri per ottimizzare simultaneamente due o più obiettivi conflittuali, producendo una frontiera efficiente di Pareto delle soluzioni piuttosto che un singolo ottimo. È adatta a sistemi adattivi complessi in cui gli obiettivi emergono da interazioni a livello micro piuttosto che da equazioni in forma chiusa.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/it/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.
- Modellazione basata su agenti (ABM)Simulazione↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulazione↔ compare
- Ottimizzazione Multi-ObiettivoSimulazione↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulazione↔ compare
- Ottimizzazione Stocastica Multi-ObiettivoSimulazione↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →