Robustní simulované žíhání — Nalezení řešení, která zůstávají dobrá za nejistoty
Robustní simulované žíhání (RSA) adaptuje klasickou metaheuristiku simulovaného žíhání k hledání řešení, která fungují dobře nejen za nominálních podmínek, ale napříč celým rozsahem nejistých nebo nepřátelských hodnot parametrů. Vložením hodnocení robustnosti — nejhoršího případu, očekávaného případu nebo založeného na lítosti — do kroku přijetí SA, RSA vyměňuje určitou nominální optimálnost za odolnost, což ji činí cennou, když jsou parametry problému nepřesně známy nebo podléhají environmentálním variacím.
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
- Kirkpatrick, S., Gelatt, C. D., Vecchi, M. P. (1983). Optimization by simulated annealing. Science, 220(4598), 671-680. DOI: 10.1126/science.220.4598.671 ↗
- Ben-Tal, A., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Simulated Annealing — Uncertainty-aware stochastic local search for robust solutions. ScholarGate. https://scholargate.app/cs/simulation/robust-simulated-annealing
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.
- Robustní genetický algoritmusSimulace↔ compare
- Robustní vícecilaová optimalizaceSimulace↔ compare
- Robustní optimalizace rojem částicSimulace↔ compare
- Robust Tabu SearchSimulace↔ compare
- Simulated AnnealingOptimalizace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →