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.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Източници
- 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 ↗
- 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.
- Генетичен алгоритъмОптимизация↔ compare
- Grey Wolf OptimizerОптимизация↔ compare
- Оптимизация чрез рояк от частици (PSO)Оптимизация↔ compare
- Симулирано отгряванеОптимизация↔ compare
- Tabu SearchОптимизация↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →