เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| Multi-Objective Particle Swarm Optimization (MOPSO)× | การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์× | |
|---|---|---|
| สาขาวิชา | การจำลอง | การจำลอง |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด≠ | 2004 | 1896 (concept); 1989–2002 (evolutionary algorithms era) |
| ผู้ริเริ่ม≠ | Coello Coello, C. A., Pulido, G. T., & Lechuga, M. S. | Vilfredo Pareto (concept); modern computational formulation by Goldberg and Deb et al. |
| ประเภท≠ | Population-based swarm metaheuristic | Optimization framework |
| แหล่งต้นตำรับ≠ | 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 ↗ | Deb, K. (2001). Multi-Objective Optimization Using Evolutionary Algorithms. Wiley, Chichester. ISBN: 9780471873396 |
| ชื่อเรียกอื่น | MOPSO, Multi-objective PSO, Pareto PSO, Vector-evaluated PSO | MOO, Multi-Criteria Optimization, Vector Optimization, Pareto Optimization |
| ที่เกี่ยวข้อง≠ | 5 | 3 |
| สรุป≠ | Multi-Objective Particle Swarm Optimization (MOPSO) is a swarm-intelligence metaheuristic that extends the original Particle Swarm Optimization (PSO) to handle multiple conflicting objective functions simultaneously. It maintains an external Pareto archive and uses dominance-based selection to guide a population of candidate solutions toward the true Pareto front without requiring a priori preference information. | Multi-Objective Optimization (MOO) is a mathematical and computational framework for finding solutions that simultaneously optimize two or more conflicting objective functions. Rather than collapsing all goals into a single scalar, MOO produces a set of trade-off solutions — the Pareto front — from which a decision-maker selects according to preference. It is widely used in engineering design, operations research, logistics, economics, and policy analysis. |
| ScholarGateชุดข้อมูล ↗ |
|
|