Agent-Based NSGA-II — Pengoptimuman Pelbagai Objektif Didorong Simulasi Evolusioner
Agent-based NSGA-II menyematkan algoritma evolusioner NSGA-II di dalam gelung simulasi berasaskan agen supaya nilai objektif bagi setiap penyelesaian calon ditentukan dengan menjalankan simulasi agen penuh berbanding dengan menilai fungsi bentuk tertutup. Penggabungan ini membolehkan pengoptimuman pelbagai objektif ke atas sistem yang prestasinya muncul daripada interaksi peringkat mikro agen autonomi berbanding dengan persamaan yang boleh dikira secara analitik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/ms/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.
- Pemodelan Berasaskan Agen (ABM)Simulasi↔ compare
- Optimisasi Berbilang Objektif Berasaskan AgenSimulasi↔ compare
- Algoritma Genetik Multi-Objektif (MOGA)Simulasi↔ compare
- NSGA-II StokastikSimulasi↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →