Process / pipelineSimulation / optimization

تحسين مستعمرة النمل القوي — تحسين مستعمرة النمل المقاوم لعدم اليقين للمشاكل التوافقية

يمتد تحسين مستعمرة النمل القوي (Robust ACO) الاستعارة الكلاسيكية لمستعمرة النمل من خلال دمج عدم يقين المعلمات ومعايير متانة الحالة الأسوأ أو الحالة المتوقعة بشكل صريح في البحث عن الحلول. بدلاً من التحسين لسيناريو اسمي واحد، فإنه يبحث عن حلول تؤدي أداءً جيدًا عبر مجموعة من تصورات المشكلة المعقولة، مما يجعله مناسبًا للمشاكل التوافقية في العالم الحقيقي حيث تكون بيانات الإدخال (التكاليف، الطلبات، أوقات السفر) غير مؤكدة أو متغيرة.

افتح في MethodMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

المصادر

  1. Dorigo, M. (1992). Optimization, learning and natural algorithms. PhD Thesis, Politecnico di Milano, Italy. link
  2. Gutjahr, W. J., & Pflug, G. C. (2010). Simulated annealing for noisy cost functions. Journal of Global Optimization, 12(2), 123–147. (For robust stochastic metaheuristics including ACO under uncertainty.) link

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/ar/simulation/robust-ant-colony-optimization

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateRobust Ant Colony Optimization (Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/simulation/robust-ant-colony-optimization · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026