ScholarGate
Assistent
Process / pipelineMetaheuristics

Artificiell bi-koloni (ABC) optimering

Artificiell bi-koloni (ABC) är en populationsbaserad svärmintelligens-metaheuristik introducerad av Karaboga och Basturk år 2007. Den modellerar den kooperativa födosöksbeteendet hos en honungsbi-koloni för att söka optimala lösningar i kontinuerliga numeriska optimeringsproblem. Algoritmen delar upp kandidatlösningar bland tre bi-typer – anställda, åskådare och spejare – och förfinar dem iterativt genom lokal sökning och probabilistisk selektion, vilket gör den väl lämpad för forskare och ingenjörer som hanterar komplexa, multimodala optimeringslandskap.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  1. Karaboga, D., & Basturk, B. (2007). A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm. Journal of Global Optimization, 39(3), 459–471. DOI: 10.1007/s10898-007-9149-x

Så citerar du den här sidan

ScholarGate. (2026, June 2). Artificial Bee Colony (ABC) Optimization. ScholarGate. https://scholargate.app/sv/optimization/artificial-bee-colony

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
ScholarGateArtificial Bee Colony (Artificial Bee Colony (ABC) Optimization). Hämtad 2026-06-15 från https://scholargate.app/sv/optimization/artificial-bee-colony · Datamängd: https://doi.org/10.5281/zenodo.20539026