การสร้างแบบจำลองเชิงเอเจนต์แบบหลายวัตถุประสงค์
การสร้างแบบจำลองเชิงเอเจนต์แบบหลายวัตถุประสงค์ (MO-ABM) เป็นการผสมผสานการจำลองเชิงเอเจนต์เข้ากับการหาค่าเหมาะที่สุดแบบหลายวัตถุประสงค์ เพื่อปรับปรุงเกณฑ์ประสิทธิภาพที่ขัดแย้งกันหลายประการในระบบปรับตัวที่ซับซ้อน เอเจนต์อิสระจะโต้ตอบกันตามกฎพฤติกรรม ในขณะที่ตัวหาค่าเหมาะที่สุดจะค้นหาการกำหนดค่าพารามิเตอร์ที่บรรลุการประนีประนอมแบบพาเรโต (Pareto-optimal trade-offs) ระหว่างเป้าหมายระดับระบบที่แข่งขันกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. John Wiley & Sons, Chichester. ISBN: 9780471873396
- Tesfatsion, L., Judd, K. L. (Eds.) (2006). Handbook of Computational Economics, Volume 2: Agent-Based Computational Economics. North-Holland, Amsterdam. ISBN: 9780444512536
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multi-Objective Agent-Based Modeling. ScholarGate. https://scholargate.app/th/simulation/multi-objective-agent-based-modeling
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
- Multi-Objective Genetic Algorithm (MOGA)การจำลอง↔ compare
- การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์การจำลอง↔ compare
- พลวัตระบบหลายวัตถุประสงค์การจำลอง↔ compare