Multi-Objective Particle Swarm Optimization (MOPSO)
Multi-Objective Particle Swarm Optimization (MOPSO) er en metaheuristikk basert på svermintelligens som utvider den opprinnelige Particle Swarm Optimization (PSO) til å håndtere flere motstridende objektivfunksjoner samtidig. Den vedlikeholder et eksternt Pareto-arkiv og bruker dominansbasert seleksjon for å styre en populasjon av kandidatløsninger mot den sanne Pareto-fronten uten å kreve preferanseinformasjon på forhånd.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/no/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)Simulering↔ compare
- Multi-Objective Genetic Algorithm (MOGA)Simulering↔ compare
- Multimål-optimeringSimulering↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulering↔ compare
- Partikkelsvermoptimalisering (PSO)Optimering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →