Modelowanie agentowe z wieloma celami
Modelowanie agentowe z wieloma celami (MO-ABM) łączy symulację agentową z optymalizacją wielokryterialną w celu jednoczesnego optymalizowania kilku sprzecznych kryteriów wydajności w złożonych systemach adaptacyjnych. Autonomiczne agenty oddziałują zgodnie z regułami behawioralnymi, podczas gdy optymalizator poszukuje konfiguracji parametrów, które osiągają Pareto-optymalne kompromisy między rywalizującymi celami na poziomie systemu.
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
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. John Wiley & Sons, Chichester. ISBN: 9780471873396
- Tesfatsion, L., Judd, K. L. (Eds.) (2006). Handbook of Computational Economics, Volume 2: Agent-Based Computational Economics. North-Holland, Amsterdam. ISBN: 9780444512536
Jak cytować tę stronę
ScholarGate. (2026, June 3). Multi-Objective Agent-Based Modeling. ScholarGate. https://scholargate.app/pl/simulation/multi-objective-agent-based-modeling
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
- System Dynamics Wielokryterialnej OptymalizacjiSymulacja↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →