Agentbaserad myrkolonioptimering — svärmintelligens för kombinatoriska problem och simuleringsproblem
Agentbaserad myrkolonioptimering (AB-ACO) modellerar individuella myror som autonoma agenter som probabilistiskt konstruerar lösningar genom att följa och deponera feromonspår på en sökgraf. Genom att koppla beteenderegler på agentnivå med en delad feromonmiljö konvergerar det kollektiva systemet mot högkvalitativa lösningar på svåra kombinatoriska och simuleringsinbäddade optimeringsproblem utan central koordination.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Dorigo, M., Stutzle, T. (2004). Ant Colony Optimization. MIT Press, Cambridge, MA. ISBN: 9780262042192
- Bonabeau, E., Dorigo, M., Theraulaz, G. (1999). Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press, New York. ISBN: 9780195131581
Så citerar du den här sidan
ScholarGate. (2026, June 3). Agent-Based Ant Colony Optimization. ScholarGate. https://scholargate.app/sv/simulation/agent-based-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.
- Agent-Based Modeling (ABM)Simulering↔ compare
- Myrsamhällesoptimering – svärmbaserad kombinatorisk optimeringOptimering↔ compare
- Genetisk algoritmOptimering↔ compare
- Multi-Objective Ant Colony Optimization (MOACO)Simulering↔ compare
- Partikelsvärmsoptimering (PSO)Optimering↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →