Daudzobjektīvu aģentu modelēšana
Daudzobjektīvu aģentu modelēšana (MO-ABM) apvieno aģentu simulāciju ar daudzobjektīvu optimizāciju, lai vienlaicīgi optimizētu vairākus pretrunīgus veiktspējas kritērijus sarežģītās adaptīvās sistēmās. Autonomās aģentes mijiedarbojas atbilstoši uzvedības noteikumiem, savukārt optimizators meklē parametru konfigurācijas, kas nodrošina Pareto optimālu kompromisu starp konkurējošiem sistēmas līmeņa mērķiem.
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
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. John Wiley & Sons, Chichester. ISBN: 9780471873396
- Tesfatsion, L., Judd, K. L. (Eds.) (2006). Handbook of Computational Economics, Volume 2: Agent-Based Computational Economics. North-Holland, Amsterdam. ISBN: 9780444512536
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multi-Objective Agent-Based Modeling. ScholarGate. https://scholargate.app/lv/simulation/multi-objective-agent-based-modeling
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
- Daudzobjektu sistēmdinamikaSimulācija↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →