Multi-Objective Particle Swarm Optimization (MOPSO)
Multi-Objective Particle Swarm Optimization (MOPSO) is een metaheuristiek gebaseerd op zwermintelligentie die de oorspronkelijke Particle Swarm Optimization (PSO) uitbreidt om meerdere conflicterende objectieve functies tegelijkertijd te behandelen. Het onderhoudt een extern Pareto-archief en gebruikt op dominantie gebaseerde selectie om een populatie kandidaatoplossingen te sturen naar de ware Pareto-front zonder dat er vooraf informatie over voorkeuren nodig is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/nl/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)Simulatie↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulatie↔ compare
- Multi-Objective OptimizationSimulatie↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulatie↔ compare
- Particle Swarm Optimization (PSO)Optimalisatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →