Optimización Robusta de Colonias de Hormigas — ACO Resiliente a la Incertidumbre para Problemas Combinatorios
La Optimización Robusta de Colonias de Hormigas (Robust ACO) extiende la metaheurística clásica de colonias de hormigas incorporando explícitamente la incertidumbre de los parámetros y criterios de robustez de peor caso o caso esperado en la búsqueda de soluciones. En lugar de optimizar para un único escenario nominal, busca soluciones que funcionen bien en un rango de realizaciones plausibles del problema, lo que la hace adecuada para problemas combinatorios del mundo real donde los datos de entrada (costos, demandas, tiempos de viaje) son inciertos o variables.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/es/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.
- Optimización por Colonia de HormigasOptimización↔ compare
- Optimización Anticolectiva Multi-Objetivo (MOACO)Simulación↔ compare
- Algoritmo Genético RobustoSimulación↔ compare
- Optimización Robusta por Enjambre de PartículasSimulación↔ compare
- Annealing Simulado RobustoSimulación↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →