ScholarGate
Asisten
Process / pipelineSimulation / optimization

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.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

Sumber

  1. Kennedy, J., Eberhart, R. C., & Shi, Y. (2001). Swarm Intelligence. Morgan Kaufmann Publishers. ISBN: 9781558605954
  2. 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.

Compare side by side

Dirujuk oleh

ScholarGateRobust Particle Swarm Optimization (Robust Particle Swarm Optimization — Uncertainty-aware swarm-based metaheuristic). Diakses 2026-06-15 dari https://scholargate.app/id/simulation/robust-particle-swarm-optimization · Set data: https://doi.org/10.5281/zenodo.20539026