Ant Colony Optimization — Swarm-Based Combinatorial Optimisation
Ant Colony Optimization (ACO) ir metaheuristisks algoritms, ko 1990. gadu sākumā ieviesa Marco Dorigo un viņa kolēģi, un tas risina kombinatoriskās optimizācijas problēmas, simulējot kolektīvo skudru barības meklēšanas uzvedību. Reālās skudras atstāj feromonu takas uz ceļiem un dod priekšroku spēcīgākām takām; ACO pārvērš šo pozitīvās atgriezeniskās saites mehānismu meklēšanas procedūrā, kas atrod augstas kvalitātes risinājumus uz grafiem balstītām problēmām, piemēram, Tūristu pārdevēja problēmai, transportlīdzekļu maršrutēšanai un plānošanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 1). Ant Colony Optimization (ACO). ScholarGate. https://scholargate.app/lv/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.
- Ģenētiskais algoritmsOptimizācija↔ compare
- Grey Wolf OptimizerOptimizācija↔ compare
- Particle Swarm Optimization (PSO)Optimizācija↔ compare
- Simulated AnnealingOptimizācija↔ compare
- Tabu SearchOptimizācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →