Multi-Objective Particle Swarm Optimization (MOPSO)
Multi-Objective Particle Swarm Optimization (MOPSO) är en svärmintelligens-metaheuristik som utökar den ursprungliga Particle Swarm Optimization (PSO) för att hantera flera motstridiga objektivfunktioner samtidigt. Den upprätthåller ett externt Pareto-arkiv och använder dominansbaserat urval för att styra en population av kandidatlösningar mot den sanna Pareto-fronten utan att kräva a priori preferensinformation.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/sv/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
- Multiobjektiv genetisk algoritm (MOGA)Simulering↔ compare
- Multiobjektiv optimeringSimulering↔ compare
- Multi-Objective Simulated Annealing (MOSA)Simulering↔ compare
- Partikelsvärmsoptimering (PSO)Optimering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →