ซิมฮิวริสติกส์: การผสานการจำลองเข้ากับเมตาฮิวริสติกส์เพื่อการหาค่าเหมาะที่สุดแบบสุ่ม
ซิมฮิวริสติกส์เป็นกรอบการทำงานแบบอัลกอริทึมแบบผสมที่ผสานการจำลองแบบมอนติคาร์โลหรือการจำลองเหตุการณ์ไม่ต่อเนื่องเข้ากับกระบวนการค้นหาแบบเมตาฮิวริสติกส์เพื่อแก้ปัญหาการหาค่าเหมาะที่สุดแบบผสมเชิงการจัดแบบสุ่ม แนะนำโดย Juan และคณะในปี 2015 โดยจัดการกับสถานการณ์ที่การประเมินฟังก์ชันวัตถุประสงค์เกี่ยวข้องกับตัวแปรสุ่ม ให้ผลลัพธ์ใกล้เคียงค่าที่เหมาะสมที่สุดพร้อมการรับประกันคุณภาพเชิงความน่าจะเป็น แนวทางนี้เหมาะสมอย่างยิ่งสำหรับปัญหาด้านโลจิสติกส์ การขนส่ง และการจัดตารางเวลาในโลกแห่งความเป็นจริง ซึ่งความไม่แน่นอนเป็นสิ่งที่เกิดขึ้นโดยธรรมชาติและตัวแก้ปัญหาแบบกำหนดที่แบบดั้งเดิมไม่สามารถจับความแปรปรวนได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Juan, A. A., et al. (2015). A review of simheuristics: Extending metaheuristics to deal with stochastic combinatorial optimization problems. Operations Research Perspectives, 2, 62–72. DOI: 10.1016/j.orp.2015.03.001 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Simheuristics (Simulation + Metaheuristics). ScholarGate. https://scholargate.app/th/optimization/simheuristics
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.
- การจำลองเหตุการณ์แบบไม่ต่อเนื่อง (Discrete-Event Simulation - DES)การจำลอง↔ compare
- Matheuristics: การผสมผสานการโปรแกรมเชิงคณิตศาสตร์และเมตาฮิวริสติกส์การหาค่าเหมาะที่สุด↔ compare
- Stochastic Optimizationการหาค่าเหมาะที่สุด↔ compare