Ant algorithms (also known as Ant C

Ant algorithms (also known as Ant Colony Optimization) are a class of
metaheuristic search algorithms that have been successfully applied to solving NP
hard problems . Ant algorithms are biologically inspired from the behaviour of
colonies of real ants, and in particular how they forage for food. One of the main ideas
behind this approach is that the ants can communicate with one another through
indirect means (stigmergy) by making modifications to the concentration of highly
volatile chemicals called pheromones in their immediate environment.
The Traveling Salesman Problem (TSP) is an NP complete problem addressed by the
optimization community having been the target of considerable research . The TSP is
recognized as an easily understood, hard optimization problem of finding the shortest
circuit of a set of cities starting from one city, visiting each other city exactly once,
and returning to the start city again. The TSP is often used to test new, promising
optimization heuristics. Formally, the TSP is the problem of finding the shortest
Hamiltonian circuit of a set of nodes. There are two classes of TSP problem:
symmetric TSP, and asymmetric TSP (ATSP). The difference between the two classes
is that with symmetric TSP the distance between two cities is the same regardless of
the direction you travel; with ATSP this is not necessarily the case.
Ant Colony Optimization has been successfully applied to both classes of TSP with
good, and often excellent, results. The ACO algorithm skeleton for TSP is as follows :

ผลลัพธ์ (ไทย) 1:

มดอัลกอริทึม (หรือที่เรียกว่ามดฝูงปรับ) เป็นชั้นของอัลกอริทึมค้นหา metaheuristic ที่ได้ถูกนำไปใช้เพื่อแก้ NPปัญหา อัลกอริทึมของมดเป็นแรงบันดาลใจจากพฤติกรรมของชิ้นอาณานิคม ของมดจริง และโดยเฉพาะอย่างยิ่งวิธีที่อาหารสัตว์ในอาหาร ความคิดหลักอย่างใดอย่างหนึ่งเบื้องหลังวิธีการนี้คือ ว่า มดที่สามารถสื่อสารกันผ่านวิธีทางอ้อม (stigmergy) โดยการปรับเปลี่ยนความเข้มข้นของสูงสารเคมีระเหยเรียกว่าหลากในสภาพแวดล้อมของพวกเขาทันทีการขาย Traveling ปัญหา (ช้อนชา) จะมี NP สมบูรณ์ปัญหาการชุมชนเพิ่มประสิทธิภาพที่มีการวิจัยมาก ช้อนชาเป็นเป็นมีปัญหาที่ปรับให้เหมาะสมเข้าใจง่าย ยากค้นหาสั้นที่สุดวงจรของชุดของเมืองเริ่มต้นจากสองเมือง ชมกันเมืองตรงครั้งและกลับมาที่เมืองเริ่มต้นอีกครั้ง ช้อนชามักใช้ในการทดสอบใหม่ สัญญาลองผิดลองถูกปรับให้เหมาะสม อย่างเป็นกิจจะลักษณะ ช้อนชาเป็นปัญหาหาสั้นที่สุดวงจร Hamiltonian ชุดของโหนด มีชั้นสองช้อนชาปัญหา:ช้อนชาสมมาตร และ asymmetric ช้อนชา (ATSP) ความแตกต่างระหว่าง 2 ชนชั้นคือว่า มีช้อนชาสมมาตร ระยะห่างระหว่างสองเมืองเดียวกันไม่ว่าทิศทางที่คุณเดินทาง กับ ATSP นี้ไม่จำเป็นต้องใช่เพิ่มประสิทธิภาพฝูงมดสำเร็จใช้กับทั้งสอนช้อนชาด้วยผลดี และมักจะ ดี โครงกระดูกของอัลกอริทึม ACO สำหรับช้อนชาจะเป็นดังนี้:

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีมด (หรือเรียกว่า Ant Colony Optimization)
เป็นระดับของขั้นตอนวิธีการค้นหาmetaheuristic
ที่ได้รับการใช้ประสบความสำเร็จในการแก้ปัญหาปัญหาอย่างหนัก
ขั้นตอนวิธีมดมีแรงบันดาลใจทางชีวภาพจากพฤติกรรมของอาณานิคมของมดจริงและโดยเฉพาะอย่างยิ่งวิธีที่พวกเขาหาอาหาร หนึ่งในความคิดหลักที่อยู่เบื้องหลังวิธีการนี้ก็คือว่ามดสามารถสื่อสารกับคนอื่นผ่านวิธีการทางอ้อม(stigmergy) โดยการปรับเปลี่ยนความเข้มข้นของสูงสารเคมีระเหยที่เรียกว่าฟีโรโมนในสภาพแวดล้อมของพวกเขาทันที. พนักงานขายปัญหาการเดินทาง (TSP) เป็น NP ปัญหาสมบูรณ์แก้ไขโดยชุมชนได้รับการเพิ่มประสิทธิภาพเป้าหมายของการวิจัยมาก TSP จะได้รับการยอมรับในฐานะที่เป็นเข้าใจได้ง่ายปัญหาการเพิ่มประสิทธิภาพอย่างหนักในการหาที่สั้นที่สุดวงจรของการตั้งค่าเริ่มต้นของเมืองจากเมืองไปเยือนกันและกันว่าครั้งเดียวและจะกลับไปเมืองเริ่มต้นอีกครั้ง TSP มักจะถูกใช้ในการทดสอบใหม่ที่มีแนวโน้มการวิเคราะห์พฤติกรรมการเพิ่มประสิทธิภาพ อย่างเป็นทางการ TSP เป็นปัญหาในการหาที่สั้นที่สุดคือวงจรมิลชุดของโหนด มีสองชั้นเรียนของปัญหา TSP คือTSP สมมาตรและไม่สมมาตร TSP (ATSP) ความแตกต่างระหว่างทั้งสองเรียนคือมี TSP สมมาตรระยะห่างระหว่างสองเมืองจะเหมือนกันโดยไม่คำนึงถึงทิศทางที่คุณเดินทาง; กับ ATSP นี้ไม่จำเป็นต้องกรณี. Ant Colony Optimization ได้รับการใช้ประสบความสำเร็จทั้งการเรียนของ TSP ด้วยดีและบ่อยครั้งที่ยอดเยี่ยมผล โครงกระดูกอัลกอริทึมสำหรับ ACO TSP จะเป็นดังนี้:

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีมด ( ที่รู้จักกันเป็นอาณานิคมมด ) เป็นชั้นของ
เมตาฮิวริ ิกขั้นตอนวิธีการค้นหาที่มีการใช้ประสบความสำเร็จในการแก้ไขปัญหาเอ็นพี
อย่างหนัก ขั้นตอนวิธีมดจะได้แรงบันดาลใจมาจากพฤติกรรมของ
อาณานิคมของมดจริง และโดยเฉพาะวิธีการที่พวกเขากินเป็นอาหาร หนึ่งในความคิดหลัก
หลังวิธีการนี้คือ มดสามารถสื่อสารกับคนอื่นผ่าน
วิธีการทางอ้อม ( stigmergy ) โดยการปรับความเข้มข้นของสารเคมีที่เรียกว่าฟีโรโมนเปลี่ยนแปลงได้สูง

ในสภาพแวดล้อมของพวกเขาทันที การเดินทางปัญหาพนักงานขาย ( TSP ) เป็นปัญหาเอ็นพีสมบูรณ์ addressed โดย
ชุมชนเพิ่มประสิทธิภาพมีเป้าหมายของการวิจัยมาก ใช้ช้อนชาคือ
รับรู้เป็นง่ายเข้าใจปัญหาการเพิ่มประสิทธิภาพอย่างหนักในการหาวงจรสั้น
ชุดเมืองที่เริ่มต้นจากเมืองหนึ่งไปเมืองเดียวกัน
, และกลับไปเมืองเริ่มต้นอีกครั้ง ใช้ TSP มักใช้ในการทดสอบใหม่ สัญญา
เพิ่มประสิทธิภาพการวิเคราะห์พฤติกรรม . อย่างเป็นทางการ , tsp คือ ปัญหาของการหาสั้น
Hamiltonian วงจรของชุดของโหนด มีสองชั้นเรียนของปัญหา :
สมมาตร TSP ช้อนชากับ TSP สมมาตร ( atsp ) ความแตกต่างระหว่างสองชนชั้น
คือกับ TSP สมมาตร ระยะทางระหว่างสองเมืองจะเหมือนกันโดยไม่คำนึงถึง
ทิศทางที่คุณเดินทาง กับ atsp นี่มันไม่ใช่เรื่องสักหน่อย
อาณานิคมมดถูกใช้เรียบร้อยแล้วทั้งชั้นเรียนของช้อนชากับ
ดีและมักจะยอดเยี่ยม ผลลัพธ์ โครงกระดูกของ ACO สำหรับช้อนชา มีดังนี้