Robust Simulated Annealing — Meklēšanas risinājumi, kas saglabājas stabili nenoteiktības apstākļos
Robust Simulated Annealing (RSA) pielāgo klasisko simulētās atkausēšanas metaheuristiku, lai meklētu risinājumus, kas labi darbojas ne tikai nominālajos apstākļos, bet arī visā nenoteikto vai pretiniecisko parametru vērtību diapazonā. Ieguldot robustuma novērtējumu — sliktākā gadījuma, vidējā gadījuma vai nožēlas — SA pieņemšanas solī, RSA apmaina daļu nominālās optimālības pret noturību, padarot to vērtīgu, ja problēmas parametri ir nepilnīgi zināmi vai pakļauti vides svārstībām.
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
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Simulated Annealing — Uncertainty-aware stochastic local search for robust solutions. ScholarGate. https://scholargate.app/lv/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.
- Robusta ģenētiskā algoritma (RGA) pieejaSimulācija↔ compare
- Robustas daudzobjektīvu optimizācijaSimulācija↔ compare
- Robustā daļiņu baru optimizācijaSimulācija↔ compare
- Robustā tabu meklēšanaSimulācija↔ compare
- Simulated AnnealingOptimizācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →