Agent-based NSGA-II — Tối ưu hóa đa mục tiêu tiến hóa dựa trên mô phỏng
Agent-based NSGA-II nhúng thuật toán tiến hóa NSGA-II vào một vòng lặp mô phỏng dựa trên tác nhân để các giá trị mục tiêu cho mỗi giải pháp ứng viên được xác định bằng cách chạy một mô phỏng tác nhân đầy đủ thay vì đánh giá một hàm dạng đóng. Sự kết hợp này cho phép tối ưu hóa đa mục tiêu trên các hệ thống có hiệu suất nổi lên từ các tương tác cấp vi mô của các tác nhân tự trị thay vì từ các phương trình có thể phân tích được.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Agent-Based Non-dominated Sorting Genetic Algorithm II — Simulation-Driven Evolutionary Multi-Objective Optimization. ScholarGate. https://scholargate.app/vi/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.
- Mô hình hóa dựa trên tác nhân (ABM)Mô phỏng↔ compare
- Tối ưu hóa đa mục tiêu dựa trên tác tửMô phỏng↔ compare
- Thuật toán Di truyền Đa Mục tiêu (MOGA)Mô phỏng↔ compare
- Stochastic NSGA-IIMô phỏng↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →