ScholarGate
المساعد
Process / pipeline

تحسين مستعمرة النمل — التحسين التوافقي القائم على السرب

تحسين مستعمرة النمل (ACO) هو خوارزمية استدلالية فائقة قدمها ماركو دوريغو وزملاؤه في أوائل التسعينيات لحل مشاكل التحسين التوافقي عن طريق محاكاة سلوك البحث الجماعي للنمل. يضع النمل الحقيقي مسارات الفيرومونات على المسارات ويتبع المسارات الأقوى بشكل تفضيلي؛ يحول ACO آلية التغذية الراجعة الإيجابية هذه إلى إجراء بحث يجد حلولاً عالية الجودة للمشاكل ذات الهيكل البياني مثل مشكلة البائع المتجول، وتوجيه المركبات، والجدولة.

افتح في MethodMindقريبًافيديوقريبًاتنزيل الشرائح

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

خريطة المناهج

محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.

+3 أخرى

المصادر

  1. Dorigo, M. & Gambardella, L.M. (1997). Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem. IEEE Transactions on Evolutionary Computation, 1(1), 53-66. DOI: 10.1109/4235.585892
  2. Dorigo, M. & Stützle, T. (2004). Ant Colony Optimization. MIT Press. ISBN: 9780262042192

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 1). Ant Colony Optimization (ACO). ScholarGate. https://scholargate.app/ar/optimization/ant-colony-optimization

أيُّ منهج؟

ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.

قارن جنباً إلى جنب

يُستشهد بها في

ScholarGateAnt Colony Optimization (Ant Colony Optimization (ACO)). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/optimization/ant-colony-optimization · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026