Solidna optymalizacja rojowa mrówek — odporna na niepewność ACO dla problemów kombinatorycznych
Solidna optymalizacja rojowa mrówek (Robust ACO) rozszerza klasyczną metaheurystykę rojową mrówek, jawnie uwzględniając niepewność parametrów oraz kryteria odporności w najgorszym lub oczekiwanym przypadku w procesie poszukiwania rozwiązań. Zamiast optymalizować dla pojedynczego scenariusza nominalnego, poszukuje rozwiązań, które dobrze działają w różnych prawdopodobnych realizacjach problemu, co czyni ją odpowiednią dla rzeczywistych problemów kombinatorycznych, gdzie dane wejściowe (koszty, zapotrzebowanie, czasy podróży) są niepewne lub zmienne.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Dorigo, M. (1992). Optimization, learning and natural algorithms. PhD Thesis, Politecnico di Milano, Italy. link ↗
- Gutjahr, W. J., & Pflug, G. C. (2010). Simulated annealing for noisy cost functions. Journal of Global Optimization, 12(2), 123–147. (For robust stochastic metaheuristics including ACO under uncertainty.) link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/pl/simulation/robust-ant-colony-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.
- Optymalizacja Kolonii MrówekOptymalizacja↔ compare
- Wieloobiektywowa optymalizacja kolonii mrówek (MOACO)Symulacja↔ compare
- Solidny algorytm genetycznySymulacja↔ compare
- Solidna optymalizacja rojem cząstekSymulacja↔ compare
- Niezawodne symulowane wyżarzanieSymulacja↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →