Wieloobiektywowa optymalizacja kolonii mrówek (MOACO)
Wieloobiektywowa optymalizacja kolonii mrówek (MOACO) to metaheurystyka inteligencji rojowej, która rozszerza klasyczną ramę optymalizacji kolonii mrówek, aby jednocześnie optymalizować dwa lub więcej sprzecznych celów. Sztuczne mrówki konstruują rozwiązania kandydujące, kierując się śladami feromonowymi i informacjami heurystycznymi, stopniowo budując archiwum rozwiązań Pareto-optymalnych, zamiast zbiegać się do jednej najlepszej odpowiedzi.
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
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/pl/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.
- Optymalizacja Kolonii MrówekOptymalizacja↔ compare
- Wielo-celowy algorytm genetyczny (MOGA)Symulacja↔ compare
- Wielokryterialna optymalizacja rojem cząstek (MOPSO)Symulacja↔ compare
- Symulowane wyżarzanie wielokryterialne (MOSA)Symulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →