MOPSO流れ解説2 の変更点

• 追加された行はこの色です。
• 削除された行はこの色です。
• MOPSO流れ解説2 へ行く。
• MOPSO流れ解説2 の差分を削除

#author("2024-11-19T03:16:48+01:00","","")
#author("2024-11-19T03:17:34+01:00","","")
[[柴原]]

多目的最適化のための進化的アルゴリズムの使用
進化的多目的最適化（evolutionary multiobjective optimization、略してEMOと呼ばれる。）の利用は、ここ数年で 著しい成長を遂げている。
ここ数年で大きく成長し、多種多様なアルゴリズムが誕生している
[7]. 他の研究分野と同様に、EMOも現在、ある傾向を示している。
傾向にある。その一つは、アルゴリズムと使用されるデータ構造の両方の効率を向上させることである。
その一つは、アルゴリズムと非ドミナントベクトル
ベクトルを保存するためのデータ構造の効率を向上させることである。EMOの研究者は、多様性を維持するための巧妙な
EMOの研究者は、多様性を維持するためのいくつかの巧妙なテクニックを生み出してきた。
パレート・アーカイヴ進化戦略（PAES）[21]で使用される適応グリッドなど）、非常に小さな母集団を使用する新しいアルゴリズム（例：microGA[6]）、制約のない外部アーカイブを扱うことができるデータ構造（支配木[12]）。

粒子群最適化(PSO)は、鳥の群れの振り付けにヒントを得た、比較的最近の発見的手法である。
鳥の群れの振り付けにヒントを得たものである。PSOは
は様々な最適化タスクで成功することが分かっている[19]が
しかし、最近まで、PSOは複数の目的

PSOは特に多目的最適化に適していると思われる。
に特に適していると思われる。
19]。
本稿では、「多目的粒子群最適化（multi-objective
粒子群最適化」(MOPSO)と呼ばれる提案を行う。
アルゴリズムを多目的最適化問題に対応できるようにするものである。
問題を扱えるようにするものである。我々の現在の提案は、[5]で報告された
5]で報告されたアルゴリズムの改良版である。
制約処理機構と突然変異演算子を追加した。
を追加した改良版である。
アルゴリズムに改良を加えたものである。