Otimização Multi-Objetivo por Colônia de Formigas (MOACO)
A Otimização Multi-Objetivo por Colônia de Formigas (MOACO) é uma meta-heurística de inteligência de enxame que estende o framework clássico de Otimização por Colônia de Formigas para otimizar simultaneamente dois ou mais objetivos conflitantes. Formigas artificiais constroem soluções candidatas guiadas por trilhas de feromônio e informações heurísticas, construindo progressivamente um arquivo de soluções Pareto-ótimas em vez de convergir para uma única melhor resposta.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/pt/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.
- Otimização por Colônia de FormigasOtimização↔ compare
- Algoritmo Genético Multiobjetivo (MOGA)Simulação↔ compare
- Otimização por Enxame de Partículas Multi-Objetivo (MOPSO)Simulação↔ compare
- Recozimento Simulado Multiobjetivo (MOSA)Simulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →