بهینه سازی ازدحام ذرات چندهدفه (MOPSO - Multi-Objective Particle Swarm Optimization)، در ریاضیات (Mathematics)
انواع روش های بهینه سازی (Optimization Methods) را در آموزش زیر شرح دادیم :
بهینه سازی ازدحام ذرات چندهدفه (MOPSO - Multi-Objective Particle Swarm Optimization) :
📌 معرفی
بهینه سازی ازدحام ذرات چندهدفه (MOPSO - Multi-Objective Particle Swarm Optimization) نسخه چندهدفه الگوریتم PSO است. اولین نسخه توسط کوئِلو و همکاران در سال ۲۰۰۴ معرفی شد. MOPSO از یک آرشیو خارجی برای نگهداری ذرات غیرمغلوب (رهبران) و مکانیسم هایی برای انتخاب رهبر و حفظ تنوع استفاده می کند.
🔧 اجزای اصلی MOPSO
آرشیو (Archive): مجموعه ای از بهترین ذرات غیرمغلوب یافت شده. این آرشیو در طول اجرا به روزرسانی می شود.
انتخاب رهبر (Leader Selection): هر ذره باید یک رهبر (بهترین سراسری) برای حرکت به سمت آن انتخاب کند. روش های مختلفی برای انتخاب از آرشیو وجود دارد: تصادفی، بر اساس چگالی (مناطق خلوت تر شانس بیشتری دارند).
بهترین فردی (Personal Best): در مسائل چندهدفه، مقایسه دو ذره ساده نیست. معمولا اگر ذره جدید بر بهترین فردی قبلی غلبه کند، جایگزین می شود. اگر هیچکدام بر دیگری غلبه نکند، یکی به طور تصادفی انتخاب می شود.
هرس آرشیو (Archive Truncation): برای جلوگیری از رشد بی رویه آرشیو و حفظ تنوع، وقتی آرشیو پر می شود، ذرات در نواحی شلوغ حذف می شوند (مثلا با استفاده از Crowding Distance).
