Multi-Objective Particle Swarm Optimization (MOPSO)
Multi-Objective Particle Swarm Optimization (MOPSO) ist eine Metaheuristik der Schwarmintelligenz, die die ursprüngliche Particle Swarm Optimization (PSO) erweitert, um mehrere konkurrierende Zielfunktionen gleichzeitig zu behandeln. Sie unterhält ein externes Pareto-Archiv und verwendet eine dominanzbasierte Auswahl, um eine Population von Kandidatenlösungen zur wahren Pareto-Front zu führen, ohne dass im Voraus Präferenzinformationen erforderlich sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/de/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)Simulation↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulation↔ compare
- Mehrzieloptimierung – Gleichzeitige Optimierung widerstreitender ZieleSimulation↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulation↔ compare
- Partikelschwarmoptimierung (PSO)Optimierung↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →