Многокритериальная оптимизация роем частиц (MOPSO)
Многокритериальная оптимизация роем частиц (MOPSO) — это метаэвристический алгоритм на основе роевого интеллекта, который расширяет исходную оптимизацию роем частиц (PSO) для одновременной обработки нескольких конфликтующих целевых функций. Он поддерживает внешний архив Парето и использует отбор на основе доминирования для направления популяции кандидатных решений к истинному фронту Парето без необходимости априорной информации о предпочтениях.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/ru/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.
- Многокритериальная оптимизация методами роя муравьев (MOACO)Имитационное моделирование↔ compare
- Многокритериальный генетический алгоритм (MOGA)Имитационное моделирование↔ compare
- Многокритериальная оптимизацияИмитационное моделирование↔ compare
- Многокритериальная имитация отжига (MOSA)Имитационное моделирование↔ compare
- Оптимизация роем частиц (PSO)Оптимизация↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →