Multi-Objective Particle Swarm Optimization (MOPSO)
Multi-Objective Particle Swarm Optimization (MOPSO) เป็นเมตาฮิวริสติกส์แบบฝูงอัจฉริยะ (swarm-intelligence metaheuristic) ที่ขยายขีดความสามารถของ Particle Swarm Optimization (PSO) แบบดั้งเดิม เพื่อจัดการกับฟังก์ชันวัตถุประสงค์ที่ขัดแย้งกันหลายฟังก์ชันพร้อมกัน โดยจะรักษาคลังข้อมูลพาเรโตภายนอก (external Pareto archive) และใช้การคัดเลือกโดยอาศัยการครอบงำ (dominance-based selection) เพื่อนำพาประชากรของคำตอบที่เป็นไปได้ไปสู่พาเรโตฟรอนต์ที่แท้จริง (true Pareto front) โดยไม่จำเป็นต้องมีข้อมูลความพึงพอใจล่วงหน้า
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multi-Objective Particle Swarm Optimization (MOPSO). ScholarGate. https://scholargate.app/th/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)การจำลอง↔ compare
- Multi-Objective Genetic Algorithm (MOGA)การจำลอง↔ compare
- การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์การจำลอง↔ compare
- Multi-Objective Simulated Annealing (MOSA)การจำลอง↔ compare
- Particle Swarm Optimization (PSO)การหาค่าเหมาะที่สุด↔ compare