Ant Colony Optimization — Pengoptimuman Kombinatorik Berasaskan Kawanan
Ant Colony Optimization (ACO) ialah algoritma metaheuristik yang diperkenalkan oleh Marco Dorigo dan rakan-rakannya pada awal 1990-an yang menyelesaikan masalah pengoptimuman kombinatorik dengan mensimulasikan tingkah laku mencari makan kolektif semut. Semut sebenar meninggalkan jejak feromon pada laluan dan secara pilihan mengikut jejak yang lebih kuat; ACO mengubah mekanisme maklum balas positif ini menjadi prosedur carian yang mencari penyelesaian berkualiti tinggi kepada masalah berstruktur graf seperti Masalah Jurujual Pengembara, penghalaan kenderaan dan penjadualan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 1). Ant Colony Optimization (ACO). ScholarGate. https://scholargate.app/ms/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.
- Algoritma GenetikPengoptimuman↔ compare
- Grey Wolf OptimizerPengoptimuman↔ compare
- Particle Swarm Optimization (PSO)Pengoptimuman↔ compare
- Simulated AnnealingPengoptimuman↔ compare
- Tabu SearchPengoptimuman↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →