การปรับให้เหมาะสมด้วยวิธีฝูงมดแบบเอเจนต์ — ปัญญาฝูงสำหรับการแก้ปัญหาเชิงการจัดหมู่และการจำลอง
การปรับให้เหมาะสมด้วยวิธีฝูงมดแบบเอเจนต์ (AB-ACO) จำลองมดแต่ละตัวเป็นเอเจนต์อิสระที่สร้างคำตอบอย่างน่าจะเป็นไปได้โดยการติดตามและทิ้งรอยฟีโรโมนบนกราฟการค้นหา ด้วยการเชื่อมโยงกฎพฤติกรรมระดับเอเจนต์เข้ากับสภาพแวดล้อมฟีโรโมนที่ใช้ร่วมกัน ระบบโดยรวมจะลู่เข้าสู่คำตอบคุณภาพสูงสำหรับปัญหาการจัดหมู่ที่ยากและปัญหาการปรับให้เหมาะสมที่ฝังอยู่ในการจำลอง โดยไม่ต้องมีการประสานงานจากส่วนกลาง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Agent-Based Ant Colony Optimization. ScholarGate. https://scholargate.app/th/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.
- การสร้างแบบจำลองเชิงเอเจนต์ (ABM)การจำลอง↔ compare
- Ant Colony Optimizationการหาค่าเหมาะที่สุด↔ compare
- Genetic Algorithmการหาค่าเหมาะที่สุด↔ compare
- Multi-Objective Ant Colony Optimization (MOACO)การจำลอง↔ compare
- Particle Swarm Optimization (PSO)การหาค่าเหมาะที่สุด↔ compare