Optimisation par essaims particulaires multi-objectif (MOPSO)
L'optimisation par essaims particulaires multi-objectif (MOPSO) est une métaheuristique d'intelligence en essaim qui étend l'optimisation par essaims particulaires (PSO) originale pour gérer simultanément plusieurs fonctions objectif conflictuelles. Elle maintient une archive de Pareto externe et utilise une sélection basée sur la dominance pour guider une population de solutions candidates vers le véritable front de Pareto sans nécessiter d'informations de préférence a priori.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/fr/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.
- Optimisation par Colonies de Fourmis Multi-Objectifs (MOACO)Simulation↔ compare
- Algorithme Génétique Multi-Objectif (MOGA)Simulation↔ compare
- Optimisation multi-objectifSimulation↔ compare
- Recuit Simulé Multi-Objectif (MOSA)Simulation↔ compare
- Optimisation par essaim particulaire (PSO)Optimisation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →