Robustā daļiņu baru optimizācija — nenoteiktību ņemoša vērā baru metaheuristika
Robustā daļiņu baru optimizācija (Robust PSO) paplašina klasisko PSO metaheuristiku, lai skaidri ņemtu vērā nenoteiktību mērķa funkcijā, ierobežojumos vai lēmuma mainīgajos. Tā vietā, lai optimizētu vienu nominālo mērķi, katrs kandidāts risinājums tiek novērtēts, izmantojot nenoteiktības scenāriju kopumu, un piemērotība tiek vērtēta pēc robustuma kritērija, piemēram, sliktākā gadījuma veiktspējas vai paredzamās vērtības, iegūstot risinājumus, kas paliek tuvu optimālajiem pat tad, ja apstākļi atšķiras no nominālajiem pieņēmumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Particle Swarm Optimization — Uncertainty-aware swarm-based metaheuristic. ScholarGate. https://scholargate.app/lv/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.
- Daudzobjektīvu daļiņu baru optimizācija (MOPSO)Simulācija↔ compare
- Particle Swarm Optimization (PSO)Optimizācija↔ compare
- Robusta ģenētiskā algoritma (RGA) pieejaSimulācija↔ compare
- Robustas daudzobjektīvu optimizācijaSimulācija↔ compare
- Robust Simulated AnnealingSimulācija↔ compare
- Stohastiskā daļiņu baru optimizācijaSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →