การหาค่าเหมาะที่สุดด้วยอนุภาคฝูงผึ้งแบบทนทาน — อัลกอริทึมเหนือธรรมชาติแบบฝูงผึ้งที่คำนึงถึงความไม่แน่นอน
การหาค่าเหมาะที่สุดด้วยอนุภาคฝูงผึ้งแบบทนทาน (Robust PSO) เป็นการขยายอัลกอริทึมเหนือธรรมชาติ PSO แบบดั้งเดิม เพื่อพิจารณาความไม่แน่นอนในฟังก์ชันวัตถุประสงค์ ข้อจำกัด หรือตัวแปรตัดสินใจอย่างชัดเจน แทนที่จะหาค่าเหมาะที่สุดตามค่าปกติเพียงค่าเดียว คำตอบที่เป็นไปได้แต่ละรายการจะถูกประเมินตามชุดของสถานการณ์ความไม่แน่นอน และการวัดความเหมาะสมจะพิจารณาจากเกณฑ์ความทนทาน เช่น ประสิทธิภาพในกรณีที่เลวร้ายที่สุด หรือค่าคาดหวัง ซึ่งจะให้คำตอบที่ยังคงใกล้เคียงค่าเหมาะที่สุดแม้ว่าเงื่อนไขจะเบี่ยงเบนไปจากข้อสมมติฐานปกติ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Kennedy, J., Eberhart, R. C., & Shi, Y. (2001). Swarm Intelligence. Morgan Kaufmann Publishers. ISBN: 9781558605954
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Particle Swarm Optimization — Uncertainty-aware swarm-based metaheuristic. ScholarGate. https://scholargate.app/th/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.
- Multi-Objective Particle Swarm Optimization (MOPSO)การจำลอง↔ compare
- Particle Swarm Optimization (PSO)การหาค่าเหมาะที่สุด↔ compare
- อัลกอริทึมพันธุกรรมที่แข็งแกร่งการจำลอง↔ compare
- การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ที่ทนทานการจำลอง↔ compare
- Simulated Annealing แบบคงทน (Robust Simulated Annealing)การจำลอง↔ compare
- Stochastic Particle Swarm Optimizationการจำลอง↔ compare