Methodenbewijsdossier

Ant Colony Optimization

Ant Colony Optimization (ACO) is a metaheuristic algorithm introduced by Marco Dorigo and colleagues in the early 1990s that solves combinatorial optimisation problems by simulating the collective foraging behaviour of ants. Real ants lay pheromone trails on paths and preferentially follow stronger trails; ACO turns this positive-feedback mechanism into a search procedure that finds high-quality solutions to graph-structured problems such as the Travelling Salesman Problem, vehicle routing, and scheduling.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Ant Colony Optimization (ACO)

Taxonomisch methodendossier · process-pipeline / optimization

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyGenetic Algorithmmachine-suggested · Relational suggestion, not evidence.Same method familyGrey Wolf Optimizermachine-suggested · Relational suggestion, not evidence.Same method familyParticle Swarm Optimizationmachine-suggested · Relational suggestion, not evidence.Same method familySimulated Annealingmachine-suggested · Relational suggestion, not evidence.Same method familyTabu Searchmachine-suggested · Relational suggestion, not evidence.