شبه بهینهسازی: ادغام شبیهسازی با فرا بهینهسازی برای بهینهسازی تصادفی
شبه بهینهسازی یک چارچوب الگوریتمی ترکیبی است که شبیهسازی مونت کارلو یا رویداد گسسته را در رویههای جستجوی فرا بهینهسازی برای حل مسائل بهینهسازی ترکیبی تصادفی ادغام میکند. این روش که توسط خوآن و همکاران در سال ۲۰۱۵ معرفی شد، به تنظیماتی میپردازد که در آن ارزیابی تابع هدف شامل متغیرهای تصادفی است و راهحلهای نزدیک به بهینه را با تضمینهای کیفیت احتمالی ارائه میدهد. این رویکرد به ویژه برای مسائل واقعی لجستیک، حمل و نقل و زمانبندی که عدم قطعیت ذاتی است و حلکنندههای قطعی کلاسیک قادر به درک تغییرپذیری نیستند، مناسب است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Juan, A. A., et al. (2015). A review of simheuristics: Extending metaheuristics to deal with stochastic combinatorial optimization problems. Operations Research Perspectives, 2, 62–72. DOI: 10.1016/j.orp.2015.03.001 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Simheuristics (Simulation + Metaheuristics). ScholarGate. https://scholargate.app/fa/optimization/simheuristics
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.
- شبیهسازی رویداد گسسته (DES)شبیهسازی↔ compare
- ماتههیوریستیکها: ترکیب برنامهریزی ریاضی و فراابتکاریهابهینهسازی↔ compare
- بهینهسازی تصادفیبهینهسازی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →