Process / pipelineSimulation / optimization

Стійка оптимізація на основі мурашиних колоній — ACO, стійка до невизначеності, для комбінаторних задач

Стійка оптимізація на основі мурашиних колоній (Robust ACO) розширює класичну метаевристику мурашиних колоній, явно включаючи невизначеність параметрів та критерії стійкості до найгіршого або очікуваного випадку в пошук розв'язків. Замість оптимізації для одного номінального сценарію, вона шукає розв'язки, які добре працюють у діапазоні правдоподібних реалізацій задачі, що робить її придатною для реальних комбінаторних задач, де вхідні дані (витрати, попит, час у дорозі) є невизначеними або змінними.

Відкрити у MethodMindНезабаромВідеоНезабаромDownload slides

Читати метод повністю

Лише для учасників

Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.

Увійти

Method map

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

Джерела

  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

Як цитувати цю сторінку

ScholarGate. (2026, June 3). Robust Ant Colony Optimization — ACO metaheuristic with explicit uncertainty and worst-case robustness handling. ScholarGate. https://scholargate.app/uk/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). Отримано 2026-06-15 з https://scholargate.app/uk/simulation/robust-ant-colony-optimization · Набір даних: https://doi.org/10.5281/zenodo.20539026