Agent-Based NSGA-II — Optimizarea evolutivă multi-obiectiv bazată pe simulare
Agent-based NSGA-II încorporează algoritmul evolutiv NSGA-II într-o buclă de simulare bazată pe agenți, astfel încât valorile obiectivelor pentru fiecare soluție candidată sunt determinate prin rularea unei simulări complete a agenților, mai degrabă decât prin evaluarea unei funcții cu formă închisă. Acest cuplaj permite optimizarea multi-obiectiv pe sisteme ale căror performanțe emerg din interacțiunile la nivel micro ale agenților autonomi, mai degrabă decât din ecuații tratabile analitic.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/ro/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.
- Modelarea bazată pe agenți (ABM)Simulare↔ compare
- Optimizare Multi-Obiectiv Bazată pe AgențiSimulare↔ compare
- Algoritm Genetic Multi-Obiectiv (MOGA)Simulare↔ compare
- Stochastic NSGA-IISimulare↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →