Optimasi Partikel Koloni yang Kuat — Metaheuristik berbasis koloni yang sadar ketidakpastian
Optimasi Partikel Koloni yang Kuat (Robust PSO) memperluas metaheuristik PSO klasik untuk secara eksplisit memperhitungkan ketidakpastian dalam fungsi tujuan, kendala, atau variabel keputusan. Alih-alih mengoptimalkan satu tujuan nominal, setiap solusi kandidat dievaluasi pada serangkaian skenario ketidakpastian, dan kebugaran dinilai berdasarkan kriteria ketahanan seperti kinerja kasus terburuk atau nilai yang diharapkan, menghasilkan solusi yang tetap mendekati optimal bahkan ketika kondisi menyimpang dari asumsi nominal.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Kennedy, J., Eberhart, R. C., & Shi, Y. (2001). Swarm Intelligence. Morgan Kaufmann Publishers. ISBN: 9781558605954
- Dellino, G., Kleijnen, J. P. C., & Meloni, C. (2010). Robust optimization in simulation: Taguchi and Response Surface Methodology. International Journal of Production Economics, 125(1), 52–59. DOI: 10.1016/j.ijpe.2009.12.003 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Particle Swarm Optimization — Uncertainty-aware swarm-based metaheuristic. ScholarGate. https://scholargate.app/id/simulation/robust-particle-swarm-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.
- Optimasi Kawanan Partikel Multi-Objektif (MOPSO)Simulasi↔ compare
- Particle Swarm Optimization (PSO)Optimasi↔ compare
- Algoritma Genetika RobustSimulasi↔ compare
- Optimasi Multi-Objektif RobustSimulasi↔ compare
- Simulated Annealing RobustSimulasi↔ compare
- Stochastic Particle Swarm OptimizationSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →