ScholarGate
Assistente
Process / pipelineSimulation / optimization

Agent-Based NSGA-II — Ottimizzazione Evolutiva Multi-Obiettivo Guidata dalla Simulazione

Agent-based NSGA-II incorpora l'algoritmo evolutivo NSGA-II all'interno di un ciclo di simulazione basato su agenti, in modo che i valori degli obiettivi per ciascuna soluzione candidata siano determinati eseguendo una simulazione completa dell'agente piuttosto che valutando una funzione a forma chiusa. Questo accoppiamento consente l'ottimizzazione multi-obiettivo su sistemi le cui prestazioni emergono dalle interazioni a micro-livello di agenti autonomi piuttosto che da equazioni analiticamente trattabili.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. 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
  2. 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

Come citare questa pagina

ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/it/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.

Compare side by side
ScholarGateAgent-based NSGA-II (Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization). Consultato il 2026-06-15 da https://scholargate.app/it/simulation/agent-based-nsga-ii · Insieme di dati: https://doi.org/10.5281/zenodo.20539026