Bayesiansk myrekolonioptimering — ACO med Bayesiansk probabilistisk parametertræning
Bayesiansk myrekolonioptimering (BACO) er en hybrid metaheuristik, der indlejrer Bayesiansk inferens i rammeværket for myrekolonioptimering. Ved at behandle feromonintensiteter eller algoritmiske parametre som sandsynlighedsfordelinger, der opdateres med indsamlet evidens, forbedrer BACO konvergenspålidelighed og robusthed sammenlignet med klassisk ACO på kombinatoriske optimeringsproblemer med støj eller usikkerhed.
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.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Ant Colony Optimization — ACO with Bayesian probabilistic parameter learning. ScholarGate. https://scholargate.app/da/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.
- MyrekolonioptimeringOptimering↔ compare
- Bayesiansk Genetisk AlgoritmeSimulering↔ compare
- Bayesiansk Partikel Sværm OptimeringSimulering↔ compare
- Bayesian Simulated AnnealingSimulering↔ compare
- Multi-Objective Ant Colony Optimization (MOACO)Simulering↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →