Myrekolonioptimering — sværmbaseret kombinatorisk optimering
Myrekolonioptimering (ACO) er en heuristisk algoritme, der blev introduceret af Marco Dorigo og kolleger i begyndelsen af 1990'erne, og som løser kombinatoriske optimeringsproblemer ved at simulere den kollektive fourageringsadfærd hos myrer. Rigtige myrer lægger feromonspor på stier og følger fortrinsvis stærkere spor; ACO omdanner denne positiv-feedback-mekanisme til en søgeprocedure, der finder løsninger af høj kvalitet til grafstrukturerede problemer som f.eks. Travelling Salesman Problem, ruteplanlægning for køretøjer og tidsplanlægning.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 1). Ant Colony Optimization (ACO). ScholarGate. https://scholargate.app/da/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.
- Genetisk AlgoritmeOptimering↔ compare
- Grey Wolf OptimizerOptimering↔ compare
- Partikelsværmoptimering (PSO)Optimering↔ compare
- Simulated AnnealingOptimering↔ compare
- Tabu SearchOptimering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →