Process / pipelineSimulation / optimization
에이전트 기반 NSGA-II — 시뮬레이션 기반 진화 다목적 최적화
에이전트 기반 NSGA-II는 NSGA-II 진화 알고리즘을 에이전트 기반 시뮬레이션 루프 내에 내장하여 각 후보 해법의 목적값은 폐쇄형 함수를 평가하는 대신 전체 에이전트 시뮬레이션을 실행하여 결정합니다. 이 결합을 통해 분석적으로 다루기 쉬운 방정식이 아닌 자율 에이전트의 미시적 상호작용에서 발생하는 시스템에 대한 다목적 최적화가 가능해집니다.
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
- 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 ↗
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/ko/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.
- 행위자 기반 모델링 (ABM)시뮬레이션↔ compare
- Agent-Based Multi-Objective Optimization시뮬레이션↔ compare
- 다목적 유전 알고리즘 (MOGA)시뮬레이션↔ compare
- Stochastic NSGA-II시뮬레이션↔ compare