This research applies the meta-heur

This research applies the meta-heuristic method of ant colony optimization (ACO) to an established set of vehicle routing problems (VRP).
The procedure simulates the decision-making processes of ant colonies as they forage for food and is similar to other adaptive learning and
artificial intelligence techniques such as Tabu Search, Simulated Annealing and Genetic Algorithms. Modifications are made to the ACO
algorithm used to solve the traditional traveling salesman problem in order to allow the search of the multiple routes of the VRP.
Experimentation shows that the algorithm is successful in finding solutions within 1% of known optimal solutions and the use of multiple ant
colonies is found to provide a comparatively competitive solution technique especially for larger problems. Additionally, the size of the
candidate lists used within the algorithm is a significant factor in finding improved solutions, and the computational times for the algorithm
compare favorably with other solution methods.

ผลลัพธ์ (ไทย) 1:

งานวิจัยนี้ใช้วิธีการ meta-แล้วของมดฝูง (ACO) ชุดการขึ้นรถสายปัญหา (VRP)ขั้นตอนการจำลองกระบวนการตัดสินใจของอาณานิคมมดเป็นพวกอาหารสัตว์อาหาร และคล้ายกับการเรียนรู้ที่เหมาะสมอื่น ๆ และเทคนิคปัญญาประดิษฐ์เช่นค้น หาทาบู จำลองการอบเหนียว และอัลกอริ ทึมทางพันธุกรรม ACO จะทำการปรับเปลี่ยนอัลกอริทึมใช้ในการแก้ปัญหาดั้งเดิม traveling ขายเพื่อให้การค้นหาเส้นทางหลายของ VRPทดลองแสดงว่าอัลกอริทึมประสบความสำเร็จในการหาวิธีแก้ปัญหาภายใน 1% ของการแก้ไขปัญหาดีที่สุดและใช้มดหลายพบอาณานิคมให้เทคนิคโซลูชั่นการแข่งขันที่ดีอย่างหนึ่งโดยเฉพาะสำหรับปัญหาใหญ่ นอกจากนี้ ขนาดนี้รายชื่อผู้สมัครที่ใช้ในอัลกอริทึมเป็นปัจจัยหลักในการหาวิธีแก้ไขปรับปรุง และเวลาสำหรับอัลกอริทึมการคำนวณเปรียบเทียบพ้องต้องกันกับวิธีการแก้ปัญหาอื่น ๆ

ผลลัพธ์ (ไทย) 2:

การวิจัยครั้งนี้ใช้วิธีการเมตาแก้ปัญหาของการเพิ่มประสิทธิภาพอาณานิคมมด (ACO) เพื่อชุดที่จัดตั้งขึ้นของปัญหาการกำหนดเส้นทางคัน (VRP).
ขั้นตอนการจำลองกระบวนการตัดสินใจของอาณานิคมมดที่พวกเขาหาอาหารและมีความคล้ายคลึงกับการเรียนรู้การปรับตัวอื่น ๆ
และเทคนิคการประดิษฐ์เช่นห้ามค้นหาหลอมจำลองและขั้นตอนวิธีทางพันธุกรรม การปรับเปลี่ยนที่ทำกับ ACO
อัลกอริทึมที่ใช้ในการแก้ปัญหาพนักงานขายที่เดินทางแบบดั้งเดิมเพื่อให้การค้นหาของหลายเส้นทางของ VRP.
การทดลองแสดงให้เห็นว่าขั้นตอนวิธีการจะประสบความสำเร็จในการหาโซลูชั่นภายใน 1% ของที่รู้จักกันในการแก้ปัญหาที่ดีที่สุดและการใช้งานของ
หลายมดอาณานิคมพบเพื่อให้เทคนิควิธีการแก้ปัญหาในการแข่งขันโดยเฉพาะอย่างยิ่งเมื่อเทียบกับปัญหาที่มีขนาดใหญ่ นอกจากนี้ขนาดของรายการที่ผู้สมัครใช้ในอัลกอริทึมที่เป็นปัจจัยสำคัญในการหาทางแก้ปัญหาที่ดีขึ้นและเวลาสำหรับการคำนวณขั้นตอนวิธีเปรียบเทียบเกณฑ์ดีด้วยวิธีการแก้ปัญหาอื่นๆ

ผลลัพธ์ (ไทย) 3:

การวิจัยนี้ใช้วิธีการเมตาฮิวริสติกอาณานิคมมด ( ACO ) เพื่อสร้างชุดของปัญหาการจัดเส้นทางยานพาหนะ ( vrp ) .
ขั้นตอนการเลียนแบบกระบวนการตัดสินใจของอาณานิคมของมดเป็นพวกเขาค้นหาอาหารและคล้ายคลึงกับการเรียนรู้แบบอื่น ๆและ
เทคนิคปัญญาประดิษฐ์ เช่น มาริโอคาร์ท จําลอบอ่อนและขั้นตอนวิธีเชิงพันธุกรรมการปรับเปลี่ยนเป็นให้ aco
ขั้นตอนวิธีใช้แก้ปัญหาพนักงานขายเดินทางแบบดั้งเดิมเพื่อให้ค้นหาในเส้นทางที่หลากหลายของ vrp .
การทดลองแสดงให้เห็นว่าวิธีการที่ประสบความสำเร็จในการหาโซลูชั่นภายใน 1% ของโซลูชั่นที่เหมาะสม และรู้จักใช้มด
หลายอาณานิคมพบให้โซลูชั่นที่แข่งขัน โดยเทคนิคเฉพาะสำหรับปัญหาขนาดใหญ่ นอกจากนี้ ขนาดของ
รายการชิงใช้ภายในขั้นตอนวิธีการเป็นปัจจัยสําคัญในการหาแนวทางปรับปรุงและเวลาคอมพิวเตอร์เพื่อการเปรียบเทียบขั้นตอนวิธี
พ้องต้องกันกับวิธีการแก้ปัญหาอื่น ๆ