Multi-Objective Particle Swarm Optimization (MOPSO)
Multi-Objective Particle Swarm Optimization (MOPSO) er en sværmintelligens-metaheuristik, der udvider den oprindelige Particle Swarm Optimization (PSO) til at håndtere flere modstridende objektivfunktioner samtidigt. Den vedligeholder et eksternt Pareto-arkiv og anvender dominansbaseret selektion til at styre en population af kandidatløsninger mod den sande Pareto-front uden at kræve præferenceinformation på forhånd.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Kilder
- Coello Coello, C. A., Pulido, G. T., & Lechuga, M. S. (2004). Handling multiple objectives with particle swarm optimization. IEEE Transactions on Evolutionary Computation, 8(3), 256–279. DOI: 10.1109/TEVC.2004.826067 ↗
- Kennedy, J., & Eberhart, R. (1995). Particle swarm optimization. Proceedings of the IEEE International Conference on Neural Networks (ICNN), Perth, Australia, 4, 1942–1948. DOI: 10.1109/ICNN.1995.488968 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/da/simulation/multi-objective-particle-swarm-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.
- Multi-Objective Ant Colony Optimization (MOACO)Simulering↔ compare
- Multi-objektiv genetisk algoritme (MOGA)Simulering↔ compare
- Multi-Objective OptimizationSimulering↔ compare
- Multi-Objektiv Simuleret Gløding (MOSA)Simulering↔ compare
- Partikelsværmoptimering (PSO)Optimering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →