Multi-Objective Ant Colony Optimization (MOACO)
Multi-Objective Ant Colony Optimization (MOACO) er en svermintelligens-metaheuristikk som utvider det klassiske Ant Colony Optimization-rammeverket for samtidig å optimere to eller flere motstridende mål. Kunstige maur konstruerer kandidatløsninger veiledet av feromonspor og heuristisk informasjon, og bygger gradvis et arkiv av Pareto-optimale løsninger i stedet for å konvergere mot et enkelt beste svar.
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
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/no/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.
- Maurkolonoptimering – sverdbasert kombinatorisk optimeringOptimering↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulering↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulering↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →