Robust Particle Swarm Optimization — Metaheuristik berasaskan kawanan yang peka terhadap ketidakpastian
Robust Particle Swarm Optimization (Robust PSO) melanjutkan metaheuristik PSO klasik untuk mengambil kira ketidakpastian secara eksplisit dalam fungsi objektif, kekangan, atau pembolehubah keputusan. Berbanding mengoptimumkan satu objektif nominal tunggal, setiap penyelesaian calon dinilai merentasi satu set senario ketidakpastian, dan kecergasan dinilai berdasarkan kriteria ketahanan seperti prestasi kes terburuk atau nilai jangkaan, menghasilkan penyelesaian yang kekal hampir optimum walaupun apabila keadaan menyimpang daripada andaian nominal.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Robust Particle Swarm Optimization — Uncertainty-aware swarm-based metaheuristic. ScholarGate. https://scholargate.app/ms/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.
- Pengoptimuman Zarah Pelbagai Objektif (MOPSO)Simulasi↔ compare
- Particle Swarm Optimization (PSO)Pengoptimuman↔ compare
- Algoritma Genetik TeguhSimulasi↔ compare
- Pengoptimuman Pelbagai Objektif yang TeguhSimulasi↔ compare
- Simulated Annealing RobustSimulasi↔ compare
- Stochastic Particle Swarm OptimizationSimulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →