Optimasi Kawanan Partikel Multi-Objektif (MOPSO)
Optimasi Kawanan Partikel Multi-Objektif (MOPSO) adalah metaheuristik kecerdasan kawanan yang memperluas Optimasi Kawanan Partikel (PSO) asli untuk menangani beberapa fungsi tujuan yang saling bertentangan secara bersamaan. Algoritma ini mempertahankan arsip Pareto eksternal dan menggunakan seleksi berbasis dominasi untuk memandu populasi solusi kandidat menuju front Pareto yang sebenarnya tanpa memerlukan informasi preferensi a priori.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/id/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.
- Optimasi Koloni Semut Multi-Objektif (MOACO)Simulasi↔ compare
- Algoritma Genetika Multi-Objektif (MOGA)Simulasi↔ compare
- Optimasi Multi-ObjektifSimulasi↔ compare
- Simulated Annealing Multi-Objektif (MOSA)Simulasi↔ compare
- Particle Swarm Optimization (PSO)Optimasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →