Optimisation par Colonies de Fourmis — Optimisation Combinatoire Basée sur le Comportement Collectif
L'Optimisation par Colonies de Fourmis (ACO) est un algorithme métaheuristique introduit par Marco Dorigo et ses collègues au début des années 1990, qui résout des problèmes d'optimisation combinatoire en simulant le comportement de recherche collective de nourriture des fourmis. Les vraies fourmis laissent des traces de phéromones sur les chemins et suivent préférentiellement les traces les plus fortes ; l'ACO transforme ce mécanisme de rétroaction positive en une procédure de recherche qui trouve des solutions de haute qualité à des problèmes structurés en graphes tels que le problème du voyageur de commerce, le routage de véhicules et la planification.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 1). Ant Colony Optimization (ACO). ScholarGate. https://scholargate.app/fr/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.
- Algorithme génétiqueOptimisation↔ compare
- Optimisation par Essaim de Loups GrisOptimisation↔ compare
- Optimisation par essaim particulaire (PSO)Optimisation↔ compare
- Recuit simuléOptimisation↔ compare
- Recherche TabouOptimisation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →