Daudzobjektīvu daļiņu baru optimizācija (MOPSO)
Daudzobjektīvu daļiņu baru optimizācija (MOPSO) ir baru intelektu metaheuristika, kas paplašina sākotnējo daļiņu baru optimizāciju (PSO), lai vienlaicīgi apstrādātu vairākas pretrunīgas mērķa funkcijas. Tā uztur ārēju Pareto arhīvu un izmanto dominancē balstītu atlasi, lai virzītu kandidātsatrisinājumu populāciju uz patieso Pareto fronti, neprasot preferences informāciju iepriekš.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/lv/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.
- Daudzobjektu skudru koloniju optimizācija (MOACO)Simulācija↔ compare
- Daudzobjektīvu ģenētisks algoritms (MOGA)Simulācija↔ compare
- Daudzobjektīvu optimizācijaSimulācija↔ compare
- Daudzobjektu imitētā atlaidināšana (MOSA)Simulācija↔ compare
- Particle Swarm Optimization (PSO)Optimizācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →