Robustní optimalizace metodou mravenčí kolonie — ACO odolné vůči nejistotě pro kombinatorické úlohy
Robustní optimalizace metodou mravenčí kolonie (Robust ACO) rozšiřuje klasickou metaheuristiku mravenčí kolonie explicitním začleněním nejistoty parametrů a kritérií robustnosti v nejhorším případě nebo v očekávaném případě do vyhledávání řešení. Místo optimalizace pro jediný nominální scénář hledá řešení, která podávají dobrý výkon v celé řadě věrohodných realizací úlohy, což ji činí vhodnou pro reálné kombinatorické úlohy, kde jsou vstupní data (náklady, poptávky, časy cestování) nejistá nebo proměnlivá.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/cs/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.
- Optimalizace mravenčí koloniíOptimalizace↔ compare
- Multi-Objective Ant Colony Optimization (MOACO)Simulace↔ compare
- Robustní genetický algoritmusSimulace↔ compare
- Robustní optimalizace rojem částicSimulace↔ compare
- Robustní simulované žíháníSimulace↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →