ScholarGate
Ассистент
Process / pipeline

Муравьиные алгоритмы — комбинаторная оптимизация на основе роя

Муравьиный алгоритм (ACO) — это метаэвристический алгоритм, представленный Марко Дориго и его коллегами в начале 1990-х годов, который решает задачи комбинаторной оптимизации путем моделирования коллективного поведения муравьев при поиске пищи. Реальные муравьи оставляют феромонные следы на путях и преимущественно следуют более сильным следам; ACO превращает этот механизм положительной обратной связи в процедуру поиска, которая находит высококачественные решения для задач, структурированных в виде графа, таких как задача коммивояжера, маршрутизация транспортных средств и составление расписаний.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

+3 more

Источники

  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

Как цитировать эту страницу

ScholarGate. (2026, June 1). Ant Colony Optimization (ACO). ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateAnt Colony Optimization (Ant Colony Optimization (ACO)). Получено 2026-06-15 из https://scholargate.app/ru/optimization/ant-colony-optimization · Набор данных: https://doi.org/10.5281/zenodo.20539026