인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Abstract In multi-objective particle swarm optimization, it is very important to select the personal best and the global best. These leaders are expected to effectively guide the population toward the true Pareto front. In this paper, we propose a two-stage maintenance and multi-strategy selection for multi-objective particle swarm optimization (TMMOPSO), which adaptively selects the global best and updates the personal best by means of hyper-cone domain and aggregation, respectively. This strategy enhances the global exploration and local exploitation abilities of the population. In addition, the excellent particles are perturbed and a two-stage maintenance strategy is used for the external archive. This strategy not only improves the quality of the solutions in the population but also accelerates the convergence speed of the population. In this paper, the proposed algorithm is compared with several multi-objective optimization algorithms on 29 benchmark problems. The experimental results show that TMMOPSO is effective and outperforms the comparison algorithms on most of the 29 benchmark problems.
#Benchmark (surveying)
#Particle swarm optimization
#Mathematical optimization
#Population
#Multi-swarm optimization
#Selection (genetic algorithm)
#Computer science
#Computational intelligence
#Swarm intelligence
#Convergence (economics)
#Multi-objective optimization
#Pareto principle
#Artificial intelligence
#Mathematics
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
