Robust Ant Colony Optimization — Usikkerhedsresilient ACO for kombinatoriske problemer
Robust Ant Colony Optimization (Robust ACO) udvider den klassiske myrekoloni-metaheuristik ved eksplicit at inkorporere parameterusikkerhed og worst-case eller expected-case robusthedskriterier i løgningssøgningen. I stedet for at optimere for et enkelt nominelt scenarie, søger den løsninger, der præsterer godt på tværs af en række plausible problemrealiseringer, hvilket gør den velegnet til kombinatoriske problemer i den virkelige verden, hvor inputdata (omkostninger, efterspørgsel, rejsetider) er usikre eller variable.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/da/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.
- MyrekolonioptimeringOptimering↔ compare
- Multi-Objective Ant Colony Optimization (MOACO)Simulering↔ compare
- Robust Genetisk AlgoritmeSimulering↔ compare
- Robust Particle Swarm OptimizationSimulering↔ compare
- Robust simuleret udglødningSimulering↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →