Устойчива оптимизация чрез мравчена колония — ACO, устойчива на несигурност, за комбинаторни задачи
Устойчивата оптимизация чрез мравчена колония (Robust ACO) разширява класическата метаевристика на мравчените колонии, като изрично включва несигурността на параметрите и критериите за устойчивост при най-лош или очакван случай в търсенето на решения. Вместо да оптимизира за един номинален сценарий, тя търси решения, които се представят добре в редица правдоподобни реализации на задачата, което я прави подходяща за реални комбинаторни задачи, където входните данни (разходи, търсене, времена за пътуване) са несигурни или променливи.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Dorigo, M. (1992). Optimization, learning and natural algorithms. PhD Thesis, Politecnico di Milano, Italy. link ↗
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/bg/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.
- Оптимизация чрез мравчена колонияОптимизация↔ compare
- Многокритериална оптимизация с алгоритъм на мравките (MOACO)Симулационно моделиране↔ compare
- Устойчив генетичен алгоритъмСимулационно моделиране↔ compare
- Робастна оптимизация чрез рояк от частициСимулационно моделиране↔ compare
- Robust Simulated AnnealingСимулационно моделиране↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →