Аннотация:Представлен новый подход к разработке адаптивного генетического оптимизационного алгоритма (MAGAMO/A) с использованием методов агентного моделирования. Особенностью данного подхода является поддержка механизма адаптивного управления ключевыми характеристиками ГА, в частности, значениями вероятностей операторов кроссинговера и мутации, их типами и другими важными характеристиками, влияющими на разнообразие популяции и скорость сходимости ГА. Поддержка адаптивного управления обеспечивается за счет использования механизма карт состояний агента и заданных правил перехода между соответствующими состояниями, определяющими значения управляющих параметров ГА на индивидуальном уровне каждого агента-процесса. Проведен обзор наиболее популярных ГА, применяемых для задач многокритериальной оптимизации, в том числе, таких как SPEA2, NSGA, MOEA и др. Рассмотрены основные метрики оценки эффективности подобных ГА (Hypervolume, Generational Distance, расстояния между решениями на границе Парето и др.). Продемонстрирована эффективность разработанного подхода в решении оптимизационных задач большой размерности на нескольких тестовых примерах и в сравнении с другими известными ГА. Сформулированы основные направления дальнейших исследований в области разработки агентно-ориентированных генетических алгоритмов.