Process / pipelineSimulation / optimization

بهینه‌سازی کلونی مورچه مقاوم — بهینه‌سازی کلونی مورچه مقاوم در برابر عدم قطعیت برای مسائل ترکیبی

بهینه‌سازی کلونی مورچه مقاوم (Robust ACO) فراابتکار کلاسیک کلونی مورچه را با گنجاندن صریح عدم قطعیت پارامتر و معیارهای استحکام حالت بدترین یا حالت مورد انتظار در جستجوی راه‌حل، گسترش می‌دهد. به جای بهینه‌سازی برای یک سناریوی اسمی واحد، به دنبال راه‌حل‌هایی است که در طیفی از تحقق‌های ممکن مسئله عملکرد خوبی دارند، که آن را برای مسائل ترکیبی دنیای واقعی که در آن‌ها داده‌های ورودی (هزینه‌ها، تقاضاها، زمان‌های سفر) نامشخص یا متغیر هستند، مناسب می‌سازد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Dorigo, M. (1992). Optimization, learning and natural algorithms. PhD Thesis, Politecnico di Milano, Italy. link
  2. 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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/fa/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.

Compare side by side
ScholarGateRobust Ant Colony Optimization (Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/simulation/robust-ant-colony-optimization · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026