ScholarGate
دستیار

مقایسهٔ روش‌ها

روش‌های انتخابی خود را کنار هم مرور کنید؛ ردیف‌های متفاوت برجسته شده‌اند.

شبیه‌سازی صف مقاوم×شبیه‌سازی مونت کارلو×
حوزهشبیه‌سازیتصمیم‌گیری
خانوادهProcess / pipelineMCDM
سال پیدایش2000s–20181949
پدیدآورWhitt, W. and colleagues; Bertsimas, D. and colleaguesMetropolis, N., Ulam, S.
نوعSimulation with worst-case uncertainty propagationRobustness wrapper — Monte Carlo uncertainty propagation
منبع بنیادینBertsimas, D., Natarajan, K., & Teo, C.-P. (2011). Distributionally robust optimization: A review. European Journal of Operational Research. link ↗Metropolis, N., Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association DOI ↗
نام‌های دیگرRQS, Distributionally Robust Queueing, Robust Queue Simulation, Uncertainty-Aware Queueing Simulation
مرتبط60
خلاصهRobust Queueing Simulation integrates robustness analysis into queueing system simulation by considering worst-case or uncertainty-set-driven scenarios for arrival rates, service distributions, and queue disciplines. It produces performance guarantees that hold across an entire family of plausible input distributions, making it essential for risk-sensitive service system design.MONTE-CARLO-SIMULATION (Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model) is a ranking multi-criteria decision-making (MCDM) method introduced by Metropolis, N., Ulam, S. in 1949. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.
ScholarGateمجموعه‌داده
  1. v1
  2. 2 منابع
  3. PUBLISHED
  1. v1
  2. 1 منابع
  3. PUBLISHED

رفتن به جست‌وجو دریافت اسلایدها

ScholarGateمقایسهٔ روش‌ها: Robust Queueing Simulation · MONTE-CARLO-SIMULATION. بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/compare