Otimização Robusta por Colônia de Formigas — ACO Resiliente à Incerteza para Problemas Combinatórios
Otimização Robusta por Colônia de Formigas (Robust ACO) estende a meta-heurística clássica de colônia de formigas incorporando explicitamente a incerteza de parâmetros e critérios de robustez de pior caso ou caso esperado na busca por soluções. Em vez de otimizar para um único cenário nominal, busca soluções que tenham bom desempenho em uma gama de realizações plausíveis do problema, tornando-a adequada para problemas combinatórios do mundo real onde os dados de entrada (custos, demandas, tempos de viagem) são incertos ou variáveis.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/pt/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.
- Otimização por Colônia de FormigasOtimização↔ compare
- Otimização Multi-Objetivo por Colônia de Formigas (MOACO)Simulação↔ compare
- Algoritmo Genético RobustoSimulação↔ compare
- Otimização Robusta por Enxame de PartículasSimulação↔ compare
- Anneamento Simulado RobustoSimulação↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →