Ant Colony Optimization
暂无分享,去创建一个
ACO je metaheuristika, shrnující poznatky ze studia společenstev různých druhů mravenců. Heuristické algoritmy postavené na ACO řeší úlohy způsobem podobným tomu, jakým mravenci v přírodě řeší své problémy. Mnoho aplikačních problémů patří do třídy NP-těžkých a věří se, že optimální řešení těchto problémů nemůže být nalezeno algoritmem s polynomiální časovou složitostí. Proto je často k vyřešení velkých instancí NP-těžkých problémů třeba použít aproximační metody, které dávájí řešení blízké optimálnímu v relativně krátkém čase. ACO popisuje jeden dobrý přístup k řešení výpočetně, časově náročných problémů. Používá množství jednoduchých výpočetních agentů, kteří spolupracují při hledání globálního optimálního řešení. Časová složitost ACOalgoritmů je běžně kvadratická, může být i lineární.
[1] Luca Maria Gambardella,et al. Ant Algorithms for Discrete Optimization , 1999, Artificial Life.
[2] Marco Dorigo,et al. AntNet: Distributed Stigmergetic Control for Communications Networks , 1998, J. Artif. Intell. Res..
[3] Manuel López-Ibáñez,et al. Ant colony optimization , 2010, GECCO '10.
[4] Marco Dorigo,et al. Ant Colony Optimization and Stochastic Gradient Descent , 2002, Artificial Life.