ScholarGate
Assistente
Process / pipelineSimulation / optimization

NSGA-II Baseado em Agentes — Otimização Evolutiva Multi-Objetivo Guiada por Simulação

O NSGA-II baseado em agentes incorpora o algoritmo evolutivo NSGA-II em um loop de simulação baseado em agentes, de modo que os valores dos objetivos para cada solução candidata são determinados pela execução de uma simulação completa de agentes, em vez de pela avaliação de uma função de forma fechada. Esse acoplamento permite a otimização multi-objetivo em sistemas cujo desempenho emerge das interações de nível micro de agentes autônomos, em vez de equações analiticamente tratáveis.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

Fontes

  1. Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182-197. DOI: 10.1109/4235.996017
  2. Macal, C. M., & North, M. J. (2010). Tutorial on agent-based modelling and simulation. Journal of Simulation, 4(3), 151-162. DOI: 10.1057/jos.2010.3

Como citar esta página

ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/pt/simulation/agent-based-nsga-ii

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.

Compare side by side
ScholarGateAgent-based NSGA-II (Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization). Recuperado em 2026-06-15 de https://scholargate.app/pt/simulation/agent-based-nsga-ii · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026