Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Багатоцільовий генетичний алгоритм (MOGA)× | Багатоцільова оптимізація роєм частинок (MOPSO)× | |
|---|---|---|
| Галузь | Імітаційне моделювання | Імітаційне моделювання |
| Родина | Process / pipeline | Process / pipeline |
| Рік появи≠ | 1984 | 2004 |
| Автор методу≠ | Schaffer, J. D. (early MOGA); Goldberg, D. E. (GA foundations) | Coello Coello, C. A., Pulido, G. T., & Lechuga, M. S. |
| Тип≠ | Population-based evolutionary optimizer | Population-based swarm metaheuristic |
| Основоположне джерело≠ | Goldberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Addison-Wesley. ISBN: 9780201157673 | 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 ↗ |
| Інші назви | MOGA, Multi-objective GA, Evolutionary multi-objective optimization, EMO | MOPSO, Multi-objective PSO, Pareto PSO, Vector-evaluated PSO |
| Пов'язані≠ | 4 | 5 |
| Підсумок≠ | A Multi-Objective Genetic Algorithm (MOGA) is an evolutionary computation method that evolves a population of candidate solutions toward a Pareto-optimal front, simultaneously optimizing two or more conflicting objective functions. It avoids collapsing trade-offs into a single score, instead producing a set of non-dominated solutions for the decision-maker to choose among. | 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. |
| ScholarGateНабір даних ↗ |
|
|