Ant Colony Optimization — Swarm-Based Combinatorial Optimisation
Ant Colony Optimization (ACO) เป็นอัลกอริทึมเมตาฮิวริสติกที่ Marco Dorigo และคณะได้นำเสนอในช่วงต้นทศวรรษ 1990 ซึ่งแก้ปัญหาการหาค่าเหมาะที่สุดเชิงการจัด (combinatorial optimisation problems) โดยการจำลองพฤติกรรมการหาอาหารแบบรวมกลุ่มของมด มดจริงจะทิ้งรอยฟีโรโมนไว้ตามเส้นทางและเลือกเดินตามเส้นทางที่เข้มข้นกว่าเป็นพิเศษ ACO นำกลไกการตอบรับเชิงบวกนี้มาใช้เป็นกระบวนการค้นหาที่ให้ผลลัพธ์คุณภาพสูงสำหรับปัญหาที่มีโครงสร้างแบบกราฟ เช่น ปัญหาการเดินทางของพนักงานขาย (Travelling Salesman Problem), การจัดเส้นทางการเดินรถ, และการจัดตารางเวลา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Ant Colony Optimization (ACO). ScholarGate. https://scholargate.app/th/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.
- Genetic Algorithmการหาค่าเหมาะที่สุด↔ compare
- Grey Wolf Optimizerการหาค่าเหมาะที่สุด↔ compare
- Particle Swarm Optimization (PSO)การหาค่าเหมาะที่สุด↔ compare
- Simulated Annealingการหาค่าเหมาะที่สุด↔ compare
- Tabu Searchการหาค่าเหมาะที่สุด↔ compare