我在哪裏可以瞭解有關「蟻羣」優化的更多信息？

Question

我一直在這裏和那裏讀一些東西，關於使用「蟻羣」模型作爲啓發式方法來優化各種類型的算法。但是，我還沒有找到一篇文章或書籍，以介紹性的方式討論蟻羣優化問題，甚至還有很多細節。任何人都可以在一些資源中指出我可以更多地瞭解這個想法嗎？

Answer 1

爲了避免你知道德語的機會（是的，抱歉...），我和一個朋友寫了一篇關於這個題目的文章，我自己覺得這很有道理。文本和代碼使用TSP的例子來介紹這個概念。

即使如果您不知道德語，請查看代碼和文本中的公式，這可能仍然有用。

Answer 2

例如參見學者文獻中的this article。

這裏也討論了What is the most efficient way of finding a path through a small world graph?的問題。

Answer 3

國家地理一段時間寫回an interesting article回頭談論一些理論。

Answer 4

乍一看，這似乎與the Metropolis algorithm（或可能是一個特殊情況）密切相關。所以這是另一個可能的搜索方向。

增加：This PDF file包括從1953年

Answer 5

到原來都市報紙上參考這些主題的最佳資源是Google scholar。我一直工作在蟻羣算法的同時，這裏有一些好論文：

• Ant Colony Optimization - A New Metaheuristic
• Ant Colony Optimization - Artificial Ants as a Computational Intelligence Technique

只是search for "Ant Colony" on google scholar。

另外，搜索由Marco Dorigo發表的論文。

Answer 6

嗯，我發現了一個ACO算法有用的Homepage of Eric Rollins和他的不同實現（Haskell，Scala，Erlang，...）。 另外還有Enrique Alba的書，名爲「並行Metaheuristics：一類新算法」，您可以在其中找到關於ACO算法及其不同用法的整個章節。

H個

Answer 7

link Wikipedia居然讓我開始。我讀了這篇文章，並開始編碼。我正在解決旅行推銷員問題的一個邪惡變化。這是一個驚人的元啓發式。基本上，任何類型的可以放入圖形中的搜索問題（節點&邊緣，對稱或不對稱）都可以用ACO解決。

尋找全球和本地信息素之間的區別。本地信息素阻止一代螞蟻從同一條路徑穿越。他們保持模型不會收斂。全球信息素是吸引人的，每一代應該至少捕獲一隻螞蟻。他們鼓勵幾代人的最佳途徑。

我有最好的建議，就是玩這個算法。設置一個基本的TSP解算器和一些基本的羣體可視化。然後有一些樂趣。在概念上與螞蟻一起工作是很酷的。你編程他們的基本行爲，然後將其設置爲鬆散。我甚至喜歡他們。 :)

ACOs是一種貪婪的遺傳算法形式。和他們一起玩。改變他們的交際行爲和打包行爲。您將迅速開始以完全不同的方式看到網絡/圖形編程。這是他們最大的收益，而不是大多數人看到的。

你只需要玩它真正理解它。研究論文僅對天文學有一個全面的瞭解。就像一輛自行車一樣，你必須開始騎行。 :)

到目前爲止，ACO是我最喜歡的圖形問題抽象。

Answer 8

我很驚訝，沒有人提到ACO的聖經：

Marco Dorigo & Thomas Stützle: Ant Colony Optimization

本書由ACO的作者寫的，它是具有很強的可讀性。你可以把它帶到海灘，並閱讀它的樂趣。但它也是所有資源中最完整的資源，在實施這件事時很有參考價值。

你可以閱讀一些excerpts on Google Books

智慧的另一個重要來源是ACO Homepage