Optimisation robuste par essaims particulaires — Métaheuristique à base d'essaims tenant compte de l'incertitude

L'optimisation robuste par essaims particulaires (Robust PSO) étend la métaheuristique PSO classique pour tenir explicitement compte de l'incertitude dans la fonction objectif, les contraintes ou les variables de décision. Plutôt que d'optimiser un unique objectif nominal, chaque solution candidate est évaluée sur un ensemble de scénarios d'incertitude, et la qualité (fitness) est jugée par un critère de robustesse tel que la performance dans le pire des cas ou la valeur attendue, produisant ainsi des solutions qui restent quasi-optimales même lorsque les conditions s'écartent des hypothèses nominales.