Multi-Objective Ant Colony Optimization (MOACO)
Multi-Objective Ant Colony Optimization (MOACO) è una meta-euristica di intelligenza di sciame che estende il classico framework di Ant Colony Optimization per ottimizzare simultaneamente due o più obiettivi conflittuali. Formiche artificiali costruiscono soluzioni candidate guidate da tracce di feromoni e informazioni euristiche, costruendo progressivamente un archivio di soluzioni Pareto-ottimali anziché convergere verso una singola migliore risposta.
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
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/it/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.
- Ottimizzazione basata su sciamiOttimizzazione↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulazione↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulazione↔ compare
- Ricottura Simulata Multi-Obiettivo (MOSA)Simulazione↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →