Multi-Objective Ant Colony Optimization (MOACO)
Multi-Objective Ant Colony Optimization (MOACO) är en svärmintelligens-metaheuristik som utökar det klassiska Ant Colony Optimization-ramverket för att samtidigt optimera två eller flera motstridiga mål. Artificiella myror konstruerar kandidatlösningar styrda av feromonspår och heuristisk information, och bygger successivt ett arkiv av Pareto-optimala lösningar snarare än att konvergera mot ett enda bästa svar.
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
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/sv/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.
- Myrsamhällesoptimering – svärmbaserad kombinatorisk optimeringOptimering↔ compare
- Multiobjektiv genetisk algoritm (MOGA)Simulering↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulering↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →