Multi-Objective Ant Colony Optimization (MOACO)
Multi-Objective Ant Colony Optimization (MOACO) คือ อัลกอริทึมเหนือธรรมชาติ (metaheuristic) แบบฝูงอัจฉริยะ (swarm-intelligence) ที่ขยายกรอบการทำงานของ Ant Colony Optimization แบบดั้งเดิม เพื่อปรับปรุงวัตถุประสงค์ที่ขัดแย้งกันตั้งแต่สองวัตถุประสงค์ขึ้นไปให้เหมาะสมพร้อมกัน มดเทียมจะสร้างคำตอบที่เป็นไปได้ โดยมีเส้นทางฟีโรโมนและข้อมูลเชิงอุปนัย (heuristic information) เป็นแนวทาง ค่อยๆ สร้างคลังสะสมคำตอบที่เหมาะสมแบบพาเรโต (Pareto-optimal solutions) แทนที่จะลู่เข้าสู่คำตอบที่ดีที่สุดเพียงคำตอบเดียว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multi-Objective Ant Colony Optimization (MOACO). ScholarGate. https://scholargate.app/th/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.
- Ant Colony Optimizationการหาค่าเหมาะที่สุด↔ compare
- Multi-Objective Genetic Algorithm (MOGA)การจำลอง↔ compare
- Multi-Objective Particle Swarm Optimization (MOPSO)การจำลอง↔ compare
- Multi-Objective Simulated Annealing (MOSA)การจำลอง↔ compare