ScholarGate
Assistent

Metaheuristikk

48 metoder i denne familien.

Utvalgte

Agent-Based Ant Colony OptimizationAgent-Based Ant Colony Optimization (AB-ACO) models individual ants as autonomous agents that probabilistically construct solutions by following and depositing pheromone trails on Agent-basert genetisk algoritmeAn Agent-Based Genetic Algorithm (ABGA) partitions a genetic algorithm's population across a network of autonomous agents, each maintaining a local sub-population and evolving it iAgentbasert NSGA-IIAgent-based NSGA-II embeds the NSGA-II evolutionary algorithm inside an agent-based simulation loop so that objective values for each candidate solution are determined by running aAgentbasert tabusøk – distribuert multiagent-metaheuristisk optimeringAgent-Based Tabu Search (ABTS) embeds the tabu search metaheuristic inside a multi-agent framework where autonomous agents each run independent or cooperating tabu search threads, Maurkolonoptimering – sverdbasert kombinatorisk optimeringAnt Colony Optimization (ACO) is a metaheuristic algorithm introduced by Marco Dorigo and colleagues in the early 1990s that solves combinatorial optimisation problems by simulatinKunstig biekoloni (ABC) optimeringArtificial Bee Colony (ABC) is a population-based swarm intelligence metaheuristic introduced by Karaboga and Basturk in 2007. It models the cooperative foraging behavior of a hone

Lesesti

Dette emnets mest refererte grunnleggende metoder, i den rekkefølgen de ble utviklet — et sted å begynne hvis du er ny her.

  1. Genetisk algoritme1975av John Henry Holland
  2. Simulert annealing – Probabilistisk optimering1983
  3. Multi-Objective Genetic Algorithm (MOGA)1984av Schaffer, J. D. (early MOGA); Goldberg, D. E. (GA foundations)
  4. Tabu Search – Lokalt søk metaheuristikk1989av Fred Glover
  5. Maurkolonoptimering – sverdbasert kombinatorisk optimering1992 (foundational thesis); 1997 (Ant Colony System formalization)
  6. Partikkelsvermoptimalisering (PSO)1995
  7. Differensialevolusjon1997av Rainer Storn & Kenneth Price
  8. Multi-Objective Particle Swarm Optimization (MOPSO)2004av Coello Coello, C. A., Pulido, G. T., & Lechuga, M. S.
alle metoder på denne hyllen ↓

Alle metoder 48

Agent-Based Ant Colony OptimizationAgent-basert genetisk algoritmeAgentbasert NSGA-IIAgentbasert tabusøk – distribuert multiagent-metaheuristisk optimeringMaurkolonoptimering – sverdbasert kombinatorisk optimeringKunstig biekoloni (ABC) optimeringBat AlgorithmBayesian Ant Colony OptimizationBayesiansk Genetisk AlgoritmeBayesian NSGA-II – Surrogatassistert multiobjektiv evolusjonær optimeringBayesian Particle Swarm OptimizationBayesiansimulert utglødningBayesian Tabu SearchGjøksøkDeterministisk genetisk algoritmeDeterministisk Particle Swarm OptimizationDeterministisk simulert utglødningDifferensialevolusjonFirefly AlgorithmGenetisk algoritmeGrey Wolf OptimizerHarmony SearchHyper-heuristikkerMatheuristikker: Kombinasjon av matematisk programmering og metaheuristikkerMemetisk algoritmeMulti-Objective Ant Colony Optimization (MOACO)Multi-Objective Genetic Algorithm (MOGA)Multi-Objective Particle Swarm Optimization (MOPSO)Multi-Objective Simulated Annealing (MOSA)Multi-objektiv Tabu-søk (MOTS)NSGA-IINSGA-IIIPartikkelsvermoptimalisering (PSO)Policy Scenario Genetic AlgorithmPolicy Scenario Particle Swarm OptimizationRobust Ant Colony OptimizationRobust genetisk algoritme – evolusjonær optimering under usikkerhetRobust NSGA-IIRobust Particle Swarm OptimizationRobust Simulated AnnealingRobust Tabu SearchSimheuristicsSimulert annealing – Probabilistisk optimeringStokastisk Genetisk AlgoritmeStochastic NSGA-IIStokastisk partikkelsvermoptimeringStokastisk Tabu-søkTabu Search – Lokalt søk metaheuristikk