Monitavoitteinen hiukkasparvianalyysi (MOPSO)
Monitavoitteinen hiukkasparvianalyysi (MOPSO) on parviälyyn perustuva metaheuristiikka, joka laajentaa alkuperäistä hiukkasparvianalyysiä (PSO) käsittelemään useita ristiriitaisia tavoitefunktioita samanaikaisesti. Se ylläpitää ulkoista Pareto-arkistoa ja käyttää dominanssiin perustuvaa valintaa ohjaamaan kandidaattiratkaisujen populaatiota kohti todellista Pareto-rintamaa ilman a priori -preferenssitietoa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/fi/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.
- Monitavoitteinen muurahaiskoloniaoptimointi (MOACO)Simulointi↔ compare
- Monitavoitteinen geneettinen algoritmi (MOGA)Simulointi↔ compare
- Monitavoiteoptimointi – ristiriitaisten tavoitteiden samanaikainen optimointiSimulointi↔ compare
- Monitavoitteinen simuloitu hehkutus (MOSA)Simulointi↔ compare
- Hiukkasparviäly (PSO)Optimointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →