Daudzobjektu skudru koloniju optimizācija (MOACO)
Daudzobjektu skudru koloniju optimizācija (MOACO) ir spietu inteliģences metaheuristika, kas paplašina klasisko skudru koloniju optimizācijas ietvaru, lai vienlaicīgi optimizētu divus vai vairākus pretrunīgus mērķus. Mākslīgās skudras veido kandidātu risinājumus, vadoties pēc feromonu takām un heuristiskās informācijas, pakāpeniski veidojot Pareto-optimālu risinājumu arhīvu, nevis konverģējot uz vienu labāko atbildi.
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
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/lv/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.
- Ant Colony OptimizationOptimizācija↔ compare
- Daudzobjektīvu ģenētisks algoritms (MOGA)Simulācija↔ compare
- Daudzobjektīvu daļiņu baru optimizācija (MOPSO)Simulācija↔ compare
- Daudzobjektu imitētā atlaidināšana (MOSA)Simulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →