Agent-Based Ant Colony Optimization — Sztuczna inteligencja roju dla problemów kombinatorycznych i symulacyjnych
Agent-Based Ant Colony Optimization (AB-ACO) modeluje poszczególne mrówki jako autonomiczne agenty, które probabilistycznie konstruują rozwiązania poprzez podążanie i pozostawianie śladów feromonowych na grafie przeszukiwania. Poprzez połączenie reguł zachowania na poziomie agentów ze wspólnym środowiskiem feromonowym, kolektywny system zbiega do wysokiej jakości rozwiązań trudnych problemów optymalizacyjnych, kombinatorycznych i osadzonych w symulacji, bez centralnej koordynacji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Agent-Based Ant Colony Optimization. ScholarGate. https://scholargate.app/pl/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.
- Modelowanie agentowe (ABM)Symulacja↔ compare
- Optymalizacja Kolonii MrówekOptymalizacja↔ compare
- Algorytm genetycznyOptymalizacja↔ compare
- Wieloobiektywowa optymalizacja kolonii mrówek (MOACO)Symulacja↔ compare
- Optymalizacja rojem cząstek (PSO)Optymalizacja↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →