Process / pipelineSimulation / optimization
Agent-Based Multi-Objective Optimization — 분산된 진화적 탐색을 통한 상충하는 다중 목표 최적화
Agent-based multi-objective optimization (ABMOO)는 자율 에이전트들을 시뮬레이션 환경 내에 내장시키고, 이들의 행동이나 매개변수를 진화시켜 둘 이상의 상충하는 목표들을 동시에 최적화함으로써 단일 최적값이 아닌 해들의 파레토 효율적 경계(Pareto-efficient frontier)를 산출한다. 이는 닫힌 형태의 방정식으로부터 발생하는 목표보다는 미시적 수준의 상호작용에서 발생하는 복잡 적응 시스템에 적합하다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/ko/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.
- 행위자 기반 모델링 (ABM)시뮬레이션↔ compare
- 다목적 유전 알고리즘 (MOGA)시뮬레이션↔ compare
- 다목적 최적화시뮬레이션↔ compare
- 다목적 입자 군집 최적화 (MOPSO)시뮬레이션↔ compare
- 불확실성 하에서 다중 상충 목표를 최적화하는 확률적 다목표 최적화시뮬레이션↔ compare