Aģentu balstīta daudzobjektu optimizācija — decentralizēta evolucionāra meklēšana konkurējošos mērķos
Aģentu balstīta daudzobjektu optimizācija (ABMOO) ietver autonomus aģentus simulācijas vidē un attīsta to uzvedību vai parametrus, lai vienlaicīgi optimizētu divus vai vairākus pretrunīgus mērķus, iegūstot Pareto efektīvu risinājumu robežu, nevis vienu optimālu risinājumu. Tā ir piemērota kompleksām adaptīvām sistēmām, kur mērķi rodas no mikrolīmeņa mijiedarbības, nevis slēgtas formas vienādojumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/lv/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.
- Aģentu modelēšana (ABM)Simulācija↔ compare
- Daudzobjektīvu ģenētisks algoritms (MOGA)Simulācija↔ compare
- Daudzobjektīvu optimizācijaSimulācija↔ compare
- Daudzobjektīvu daļiņu baru optimizācija (MOPSO)Simulācija↔ compare
- Stochastic Multi-Objective OptimizationSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →