Агентно-орієнтований NSGA-II — еволюційна багатоцільова оптимізація, керована симуляцією
Агентно-орієнтований NSGA-II вбудовує еволюційний алгоритм NSGA-II у цикл агентно-орієнтованої симуляції, так що значення цілей для кожного кандидата рішення визначаються шляхом запуску повної агентної симуляції, а не шляхом оцінки замкненої функції. Це поєднання уможливлює багатоцільову оптимізацію систем, продуктивність яких виникає з мікрорівневих взаємодій автономних агентів, а не з аналітично розв'язних рівнянь.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182-197. DOI: 10.1109/4235.996017 ↗
- Macal, C. M., & North, M. J. (2010). Tutorial on agent-based modelling and simulation. Journal of Simulation, 4(3), 151-162. DOI: 10.1057/jos.2010.3 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/uk/simulation/agent-based-nsga-ii
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.
- Агентне моделювання (ABM)Імітаційне моделювання↔ compare
- Агентно-орієнтована багатоцільова оптимізаціяІмітаційне моделювання↔ compare
- Багатоцільовий генетичний алгоритм (MOGA)Імітаційне моделювання↔ compare
- Stochastic NSGA-IIІмітаційне моделювання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →