Process / pipelineSimulation / optimization
불확실성 하에서도 좋은 성능을 유지하는 해 찾기: 강건 모의 담금질
강건 모의 담금질(RSA)은 고전적인 모의 담금질 메타휴리스틱을 적응시켜, 명목상의 조건뿐만 아니라 불확실하거나 적대적인 매개변수 값의 전체 범위에 걸쳐 잘 수행되는 해를 찾습니다. SA 수락 단계에 강건성 평가(최악의 경우, 기대값, 또는 후회 기반)를 내장함으로써, RSA는 명목상의 최적성을 일부 희생하여 복원력을 얻으며, 이는 문제 매개변수가 부정확하게 알려지거나 환경 변화에 영향을 받을 때 유용합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Kirkpatrick, S., Gelatt, C. D., Vecchi, M. P. (1983). Optimization by simulated annealing. Science, 220(4598), 671-680. DOI: 10.1126/science.220.4598.671 ↗
- Ben-Tal, A., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Simulated Annealing — Uncertainty-aware stochastic local search for robust solutions. ScholarGate. https://scholargate.app/ko/simulation/robust-simulated-annealing
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.
- 강건 유전 알고리즘시뮬레이션↔ compare
- 불확실성 하에서 안정적인 파레토 최적 해를 찾는 강건 다목적 최적화시뮬레이션↔ compare
- 강건한 입자 군집 최적화시뮬레이션↔ compare
- Robust Tabu Search시뮬레이션↔ compare
- 모의 담금질최적화↔ compare