我正在研究ACO,並對選擇下一個城市的可能性有些困惑。我已閱讀了一些論文和書籍,但仍然不清楚選擇的想法。我正在尋找一個簡單的解釋,說明這條路徑的建立。 啓發式和信息素如何進入這個決策? 因爲我們在開始的每個邊緣有相同的信息素值,並且啓發式(接近度)值保持不變,那麼不同的螞蟻將如何根據這些值做出不同的決定?ACO信息素更新
ACO信息素更新
回答
也許回答問題已經太遲了,但最近我一直與ACO合作,這對我來說也有點困惑。當我需要它時,我沒有在ACO上找到很多關於ACO的信息,所以我決定回答這個問題,因爲可能這個信息對於現在或將來在ACO上工作的人是有用的。
羣體智能的算法是一套基於新興的殖民地,成羣成組的生物體的社會和合作行爲技術等
集體智慧算法蟻羣優化(ACO)是螞蟻啓發的優化算法羣落。在自然界中,一些物種的螞蟻開始隨意漫步,直到他們找到食物來源並返回他們放置信息素小徑的殖民地。如果其他螞蟻找到了這條路線,他們更有可能不會隨意走動,而是追蹤蹤跡,並在最終找到食物時加強它。
在蟻羣優化算法中,代理(螞蟻)放置在不同的節點上(通常它使用的螞蟻數量等於節點數量)。並且,選擇下一個節點(城市)的概率是基於代理人使用稱爲轉換規則的方程選擇下一個節點,該方程表示螞蟻在第th巡迴中從城市到城市的概率。
在等式中,表示信息素軌跡和兩個城市之間的可見性,而與是控制線索強度和可視性的相對重量可調節的參數。
在開始時,在所有的邊緣都有相同的信息素值。基於轉換規則,轉而基於信息素和可見性(節點之間的距離),一些路徑將比其他路徑更有可能被選擇。
當算法開始運行時,每個代理(ant)執行一次巡視(訪問每個節點),找到的最佳巡視直到更新爲新的信息素數量,這將使巡視更有可能成爲由螞蟻下次選擇。
您可以找到有關ACO在下面的鏈接的詳細信息:
http://dataworldblog.blogspot.com.es/2017/06/ant-colony-optimization-part-1.html
http://dataworldblog.blogspot.com.es/2017/06/graph-optimization-using-ant-colony.html
http://hdl.handle.net/10609/64285
問候,
酯
- 1. 更新螞蟻信息素問題
- 2. 通過Raphael.JS元素更新HTML信息
- 3. 更新詳細信息ci
- 4. Perl XML :: LibXML更新信息
- 5. 更新Salesforce案例信息
- 6. 更新用戶信息
- 7. AspxCallback沒有更新信息
- 8. wordpress 3.8.1更新信息
- 9. JFrame中的更新信息
- 10. 消除NPM「更新」信息
- 11. 信息亭 - 內容更新
- 12. KeystoneJS無法更新信息
- 13. 更新網頁信息(JSP)
- 14. 通過更新信息
- 15. 更新用戶信息
- 16. 更新$範圍信息
- 17. SQL Server - 更新信息4104
- 18. PHP更新用戶信息
- 19. 更新AD用戶信息
- 20. ACL,ARO和ACO,如果有新節,如何更新它們?
- 21. 更新信息時插入新記錄?
- 22. 如何用新信息更新JDialog?
- 23. 更新DataColumn與最新的列信息
- 24. 更多信息「卡巴爾更新」
- 25. Informix更改/更新表信息
- 26. 如何更新Drupal中的客戶信息信息:: Ubercart
- 27. 重新啓用Paymill訂閱,並更新信用卡信息
- 28. 無法更新應用程序信息
- 29. angularjs更新查詢的變量信息
- 30. ZOHO CRM API插入/更新信息