ScholarGate
Assistent
Process / pipeline

Optimització de Colònies d'Escultures — Optimització Combinatòria Basada en Enxams

L'Optimització de Colònies d'Escultures (ACO) és un algoritme metaheurístic introduït per Marco Dorigo i els seus col·legues a principis dels anys 90 que resol problemes d'optimització combinatòria simulant el comportament col·lectiu de recerca d'aliment de les formigues. Les formigues reals deixen rastres de feromones en els camins i segueixen preferentment els rastres més forts; l'ACO converteix aquest mecanisme de retroalimentació positiva en un procediment de cerca que troba solucions d'alta qualitat a problemes estructurats en grafs com el Problema del Viatjant de Comerç, el problema de la ruta de vehicles i la planificació.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

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

+3 more

Fonts

  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

Com citar aquesta pàgina

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

Citat per

ScholarGateAnt Colony Optimization (Ant Colony Optimization (ACO)). Recuperat el 2026-06-15 de https://scholargate.app/ca/optimization/ant-colony-optimization · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026