Process / pipeline

Оптимизация чрез мравчена колония — комбинаторна оптимизация, базирана на рояци

Оптимизацията чрез мравчена колония (ACO) е метаевристичен алгоритъм, въведен от Марко Дориго и колеги в началото на 90-те години на ХХ век, който решава проблеми на комбинаторната оптимизация чрез симулиране на колективното поведение на търсене на храна при мравките. Истинските мравки оставят следи от феромони по пътеките и предпочитат да следват по-силните следи; ACO превръща този механизъм за положителна обратна връзка в процедура за търсене, която намира висококачествени решения на проблеми със структура на граф, като задачата за търговския пътник, маршрутизация на превозни средства и планиране.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

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

+3 more

Източници

  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

Как да цитирате тази страница

ScholarGate. (2026, June 1). Ant Colony Optimization (ACO). ScholarGate. https://scholargate.app/bg/optimization/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

Цитиран в

ScholarGateAnt Colony Optimization (Ant Colony Optimization (ACO)). Извлечено на 2026-06-15 от https://scholargate.app/bg/optimization/ant-colony-optimization · Набор от данни: https://doi.org/10.5281/zenodo.20539026