Agent-Based Ant Colony Optimization — Swarm Intelligence for Combinatorial and Simulation Problems
Agent-Based Ant Colony Optimization (AB-ACO) modellerer individuelle maur som autonome agenter som probabilistisk konstruerer løsninger ved å følge og avsette feromonspor på en søkegraf. Ved å koble atferdsregler på agentnivå med et delt feromonmiljø, konvergerer det kollektive systemet mot løsninger av høy kvalitet for vanskelige kombinatoriske og simulerings-innleirede optimaliseringsproblemer uten sentral koordinering.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Dorigo, M., Stutzle, T. (2004). Ant Colony Optimization. MIT Press, Cambridge, MA. ISBN: 9780262042192
- Bonabeau, E., Dorigo, M., Theraulaz, G. (1999). Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press, New York. ISBN: 9780195131581
Slik siterer du denne siden
ScholarGate. (2026, June 3). Agent-Based Ant Colony Optimization. ScholarGate. https://scholargate.app/no/simulation/agent-based-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.
- Agent-basert modellering (ABM)Simulering↔ compare
- Maurkolonoptimering – sverdbasert kombinatorisk optimeringOptimering↔ compare
- Genetisk algoritmeOptimering↔ compare
- Multi-Objective Ant Colony Optimization (MOACO)Simulering↔ compare
- Partikkelsvermoptimalisering (PSO)Optimering↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →