Optymalizacja wielokryterialna oparta na agentach — zdecentralizowane poszukiwanie ewolucyjne w kontekście konkurujących celów
Optymalizacja wielokryterialna oparta na agentach (ABMOO) osadza autonomiczne agenty w środowisku symulacyjnym i ewoluuje ich zachowanie lub parametry w celu jednoczesnej optymalizacji dwóch lub więcej sprzecznych celów, generując Pareto-efektywną granicę rozwiązań zamiast pojedynczego optimum. Jest ona odpowiednia dla złożonych systemów adaptacyjnych, w których cele wyłaniają się z interakcji na poziomie mikro, a nie z zamkniętych równań.
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
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/pl/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.
- Modelowanie agentowe (ABM)Symulacja↔ compare
- Wielo-celowy algorytm genetyczny (MOGA)Symulacja↔ compare
- Optymalizacja wielocelowaSymulacja↔ compare
- Wielokryterialna optymalizacja rojem cząstek (MOPSO)Symulacja↔ compare
- Stochastyczna Optymalizacja WielokryterialnaSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →