Агентно-ориентированная многокритериальная оптимизация — децентрализованный эволюционный поиск по конкурирующим критериям
Агентно-ориентированная многокритериальная оптимизация (ABMOO) встраивает автономных агентов в симуляционную среду и эволюционирует их поведение или параметры для одновременной оптимизации двух или более конфликтующих критериев, выдавая Парето-эфронт решений, а не единичный оптимум. Она подходит для сложных адаптивных систем, где критерии возникают из микроуровневых взаимодействий, а не из замкнутых уравнений.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Bonabeau, E., Dorigo, M., & Theraulaz, G. (2002). Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press. ISBN: 9780195131598
- Coello Coello, C. A., Lamont, G. B., & Van Veldhuizen, D. A. (2007). Evolutionary Algorithms for Solving Multi-Objective Problems (2nd ed.). Springer. ISBN: 9780387332543
Как цитировать эту страницу
ScholarGate. (2026, June 3). Agent-Based Multi-Objective Optimization — Decentralized evolutionary search across competing objectives. ScholarGate. https://scholargate.app/ru/simulation/agent-based-multi-objective-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.
- Агентное моделирование (АМ)Имитационное моделирование↔ compare
- Многокритериальный генетический алгоритм (MOGA)Имитационное моделирование↔ compare
- Многокритериальная оптимизацияИмитационное моделирование↔ compare
- Многокритериальная оптимизация роем частиц (MOPSO)Имитационное моделирование↔ compare
- Стохастическая многокритериальная оптимизацияИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →