Process / pipelineSimulation / optimization

Optimització Robusta amb Colònies de Formigues (Robust ACO) — ACO Resilient a la Incertesa per a Problemes Combinatoris

L'Optimització Robusta amb Colònies de Formigues (Robust ACO) estén la metaheurística clàssica de colònies de formigues incorporant explícitament la incertesa dels paràmetres i criteris de robustesa de cas extrem o cas esperat en la cerca de solucions. En lloc d'optimitzar per a un únic escenari nominal, busca solucions que tinguin un bon rendiment en una gamma de realitzacions plausibles del problema, fent-la adequada per a problemes combinatoris del món real on les dades d'entrada (costos, demandes, temps de viatge) són incertes o variables.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

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

Fonts

  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

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/ca/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). Recuperat el 2026-06-15 de https://scholargate.app/ca/simulation/robust-ant-colony-optimization · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026