So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Tối ưu hóa đa mục tiêu dựa trên tác tử× | Tối ưu hóa Đàn Hạt Đa Mục Tiêu (MOPSO)× | |
|---|---|---|
| Lĩnh vực | Mô phỏng | Mô phỏng |
| Họ | Process / pipeline | Process / pipeline |
| Năm ra đời≠ | 1990s–2000s | 2004 |
| Người khởi xướng≠ | Bonabeau, Dorigo, Theraulaz; Coello Coello et al. | Coello Coello, C. A., Pulido, G. T., & Lechuga, M. S. |
| Loại≠ | Simulation-driven multi-objective search | Population-based swarm metaheuristic |
| Công trình gốc≠ | Bonabeau, E., Dorigo, M., & Theraulaz, G. (2002). Swarm Intelligence: From Natural to Artificial Systems. Oxford University Press. ISBN: 9780195131598 | 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 ↗ |
| Tên gọi khác | ABMOO, agent-driven MOO, multi-objective ABM optimization, ABMO | MOPSO, Multi-objective PSO, Pareto PSO, Vector-evaluated PSO |
| Liên quan | 5 | 5 |
| Tóm tắt≠ | Agent-based multi-objective optimization (ABMOO) embeds autonomous agents inside a simulation environment and evolves their behavior or parameters to simultaneously optimize two or more conflicting objectives, yielding a Pareto-efficient frontier of solutions rather than a single optimum. It is suited to complex adaptive systems where objectives emerge from micro-level interactions rather than closed-form equations. | 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. |
| ScholarGateBộ dữ liệu ↗ |
|
|