Niezawodne symulowane wyżarzanie — znajdowanie rozwiązań, które pozostają dobre w warunkach niepewności
Niezawodne symulowane wyżarzanie (RSA) adaptuje klasyczną metaheurystykę symulowanego wyżarzania w celu poszukiwania rozwiązań, które działają dobrze nie tylko w warunkach nominalnych, ale w pełnym zakresie niepewnych lub przeciwnych wartości parametrów. Poprzez wbudowanie oceny niezawodności — najgorszego przypadku, oczekiwanego przypadku lub opartej na żalu — w krok akceptacji SA, RSA wymienia pewną nominalną optymalność na odporność, co czyni ją cenną, gdy parametry problemu są niedokładnie znane lub podlegają zmienności środowiskowej.
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
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Simulated Annealing — Uncertainty-aware stochastic local search for robust solutions. ScholarGate. https://scholargate.app/pl/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.
- Solidny algorytm genetycznySymulacja↔ compare
- Solidna optymalizacja wielokryterialnaSymulacja↔ compare
- Solidna optymalizacja rojem cząstekSymulacja↔ compare
- Robust Tabu SearchSymulacja↔ compare
- Wyżarzanie symulowaneOptymalizacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →