Robust Simulated Annealing — Finden von Lösungen, die unter Unsicherheit gut bleiben
Robust Simulated Annealing (RSA) passt die klassische Simulated Annealing Metaheuristik an, um Lösungen zu suchen, die nicht nur unter nominalen Bedingungen, sondern über den gesamten Bereich unsicherer oder gegnerischer Parameterwerte gut funktionieren. Durch die Einbettung einer Robustheitsbewertung – Worst-Case, Expected-Case oder Bedarfsbasiert – in den SA-Akzeptanzschritt tauscht RSA einige nominale Optimalität gegen Widerstandsfähigkeit ein, was es wertvoll macht, wenn Problemparameter ungenau bekannt sind oder Umweltschwankungen unterliegen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Simulated Annealing — Uncertainty-aware stochastic local search for robust solutions. ScholarGate. https://scholargate.app/de/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.
- Robuster Genetischer AlgorithmusSimulation↔ compare
- Robuste MehrzieloptimierungSimulation↔ compare
- Robuste PartikelschwarmoptimierungSimulation↔ compare
- Robust Tabu SearchSimulation↔ compare
- Simulated AnnealingOptimierung↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →