Robuuste Particle Swarm Optimization — Op onzekerheid gerichte zwermgebaseerde metaheuristiek
Robuuste Particle Swarm Optimization (Robust PSO) breidt de klassieke PSO-metaheuristiek uit om expliciet rekening te houden met onzekerheid in de doelfunctie, beperkingen of beslissingsvariabelen. In plaats van één nominale doelstelling te optimaliseren, wordt elke kandidaatoplossing geëvalueerd over een reeks onzekerheidsscenario's, en de fitness wordt beoordeeld aan de hand van een robuustheidscriterium, zoals prestaties in het slechtste geval of de verwachte waarde, wat oplossingen oplevert die bijna optimaal blijven, zelfs wanneer de omstandigheden afwijken van nominale aannames.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Particle Swarm Optimization — Uncertainty-aware swarm-based metaheuristic. ScholarGate. https://scholargate.app/nl/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.
- Multi-Objective Particle Swarm Optimization (MOPSO)Simulatie↔ compare
- Particle Swarm Optimization (PSO)Optimalisatie↔ compare
- Robuust Genetisch AlgoritmeSimulatie↔ compare
- Robuuste Multi-Objective OptimalisatieSimulatie↔ compare
- Robuuste Gesimuleerde AnnealingSimulatie↔ compare
- Stochastische DeeltjeszwermoptimalisatieSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →