Agent-basert multi-objektiv optimering — Desentralisert evolusjonær søking på tvers av konkurrerende målsettinger
Agent-basert multi-objektiv optimering (ABMOO) innebygger autonome agenter i et simuleringsmiljø og utvikler deres atferd eller parametere for å samtidig optimalisere to eller flere motstridende målsettinger, noe som gir en Pareto-effektiv front av løsninger i stedet for et enkelt optimum. Den egner seg for komplekse adaptive systemer der målsettinger oppstår fra interaksjoner på mikronivå snarere enn fra lukkede ligninger.
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
- Bonabeau, E., Dorigo, M., & Theraulaz, G. (2002). Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press. ISBN: 9780195131598
- Coello Coello, C. A., Lamont, G. B., & Van Veldhuizen, D. A. (2007). Evolutionary Algorithms for Solving Multi-Objective Problems (2nd ed.). Springer. ISBN: 9780387332543
Slik siterer du denne siden
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/no/simulation/agent-based-multi-objective-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
- Multi-Objective Genetic Algorithm (MOGA)Simulering↔ compare
- Multimål-optimeringSimulering↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulering↔ compare
- Stokastisk multi-objektiv optimeringSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →