Bayesovská optimalizace mravenčí kolonií — ACO s bayesovským pravděpodobnostním učením parametrů
Bayesovská optimalizace mravenčí kolonií (BACO) je hybridní metaheuristika, která integruje Bayesovskou inferenci do rámce optimalizace mravenčí kolonií (ACO). Tím, že zachází s intenzitou feromonů nebo parametry algoritmu jako s pravděpodobnostními distribucemi aktualizovanými na základě shromážděných důkazů, BACO zlepšuje spolehlivost konvergence a robustnost ve srovnání s klasickým ACO u šumových nebo nejistých kombinatorických optimalizačních problémů.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Dorigo, M., Maniezzo, V., Colorni, A. (1996). Ant system: optimization by a colony of cooperating agents. IEEE Transactions on Systems, Man, and Cybernetics, Part B, 26(1), 29–41. DOI: 10.1109/3477.484436 ↗
- Ant colony optimization algorithms. Wikipedia. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Ant Colony Optimization — ACO with Bayesian probabilistic parameter learning. ScholarGate. https://scholargate.app/cs/simulation/bayesian-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.
- Optimalizace mravenčí koloniíOptimalizace↔ compare
- Bayesovský genetický algoritmusSimulace↔ compare
- Bayesian Particle Swarm OptimizationSimulace↔ compare
- Bayesian Simulated AnnealingSimulace↔ compare
- Multi-Objective Ant Colony Optimization (MOACO)Simulace↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →