Process / pipelineSimulation / optimization

政策情景粒子群优化 — 基于粒子群优化（PSO）的替代政策未来情景搜索

政策情景粒子群优化将粒子群优化（PSO）与显式政策情景分析相结合。在多个已定义的未来情景下评估一组候选政策解决方案，PSO的速度-位置更新规则引导粒子群向在所有考虑情景中表现良好或稳健的解决方案靠拢。该方法应用于能源、环境、基础设施和公共资源规划。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

政策情景粒子群优化

多目标粒子群优化 (MOPSO)粒子群优化 (PSO)政策情景分析策略情景遗传算法鲁棒粒子群优化随机粒子群优化

来源

Kennedy, J., Eberhart, R. (1995). Particle swarm optimization. Proceedings of the IEEE International Conference on Neural Networks, Perth, Australia, pp. 1942–1948. DOI: 10.1109/ICNN.1995.488968 ↗
Poli, R., Kennedy, J., Blackwell, T. (2007). Particle swarm optimization: An overview. Swarm Intelligence, 1(1), 33–57. DOI: 10.1007/s11721-007-0002-0 ↗

如何引用本页

ScholarGate. (2026, June 3). Policy Scenario Particle Swarm Optimization — PSO-driven search across alternative policy futures. ScholarGate. https://scholargate.app/zh/simulation/policy-scenario-particle-swarm-optimization

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →