Process / pipelineSimulation / optimization

Робастная оптимизация методами роя частиц — метаэвристика на основе роя с учётом неопределённости

Робастная оптимизация методами роя частиц (Robust PSO) расширяет классическую метаэвристику PSO, явно учитывая неопределённость в целевой функции, ограничениях или переменных решения. Вместо оптимизации одной номинальной цели каждая кандидатная оценка оценивается по набору сценариев неопределённости, а пригодность оценивается по критерию робастности, такому как производительность в наихудшем случае или ожидаемое значение, что приводит к решениям, остающимся близкими к оптимальным, даже когда условия отклоняются от номинальных предположений.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. Kennedy, J., Eberhart, R. C., & Shi, Y. (2001). Swarm Intelligence. Morgan Kaufmann Publishers. ISBN: 9781558605954
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Robust Particle Swarm Optimization — Uncertainty-aware swarm-based metaheuristic. ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateRobust Particle Swarm Optimization (Robust Particle Swarm Optimization — Uncertainty-aware swarm-based metaheuristic). Получено 2026-06-15 из https://scholargate.app/ru/simulation/robust-particle-swarm-optimization · Набор данных: https://doi.org/10.5281/zenodo.20539026