ScholarGate
어시스턴트
Process / pipeline

개미 군집 최적화 — 군집 기반 조합 최적화

개미 군집 최적화(ACO)는 1990년대 초반 Marco Dorigo와 동료들이 소개한 메타휴리스틱 알고리즘으로, 개미의 집단 먹이 탐색 행동을 시뮬레이션하여 조합 최적화 문제를 해결합니다. 실제 개미는 길에 페로몬 흔적을 남기고 더 강한 흔적을 우선적으로 따르는데, ACO는 이러한 양성 피드백 메커니즘을 탐색 절차로 전환하여 외판원 문제, 차량 경로 설정, 스케줄링과 같은 그래프 구조 문제에 대한 고품질 해를 찾습니다.

MethodMind에서 열기곧 제공동영상곧 제공슬라이드 다운로드

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

방법 지도

관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.

+3개 더

출처

  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

이 페이지 인용 방법

ScholarGate. (2026, June 1). Ant Colony Optimization (ACO). ScholarGate. https://scholargate.app/ko/optimization/ant-colony-optimization

어떤 방법일까요?

이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.

나란히 비교하기

이 방법을 참조하는 항목

ScholarGateAnt Colony Optimization (Ant Colony Optimization (ACO)). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/optimization/ant-colony-optimization · 데이터셋: https://doi.org/10.5281/zenodo.20539026