ScholarGate
Assistent
Process / pipelineSimulation / optimization

Robust myranteknikoptimering – Osäkerhetsresilient ACO för kombinatoriska problem

Robust myranteknikoptimering (Robust ACO) utökar den klassiska myranteknikmetaheuristiken genom att explicit införliva parameterosäkerhet och robusthetskriterier för värsta eller förväntade fall i lösningssökningen. Istället för att optimera för ett enda nominellt scenario, söker den lösningar som presterar väl över en rad tänkbara problemrealiseringar, vilket gör den lämplig för verkliga kombinatoriska problem där indata (kostnader, efterfrågan, restider) är osäkra eller variabla.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  1. Dorigo, M. (1992). Optimization, learning and natural algorithms. PhD Thesis, Politecnico di Milano, Italy. link
  2. 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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/sv/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.

Compare side by side
ScholarGateRobust Ant Colony Optimization (Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling). Hämtad 2026-06-15 från https://scholargate.app/sv/simulation/robust-ant-colony-optimization · Datamängd: https://doi.org/10.5281/zenodo.20539026