Kiến truyền đạt thông tin bằng cách để lại dấu vết pheromone. Một con kiến ​​đang di chuyển sẽ để lại một ít pheromone trên mặt đất với số lượng khác nhau để đánh dấu đường đi của nó. Trong khi một con kiến ​​bị cô lập di chuyển về cơ bản là ngẫu nhiên, thì một con kiến ​​gặp phải một đường đi đã được đặt trước đó có thể phát hiện ra nó và quyết định đi theo nó với xác suất cao, do đó củng cố đường đi bằng pheromone của chính nó. Do đó, hành vi tập thể xuất hiện là một phản hồi tích cực: trong đó càng có nhiều kiến ​​đi theo một dấu vết thì dấu vết đó càng trở nên hấp dẫn để được theo dõi; do đó xác suất một con kiến ​​chọn đường đi tăng theo số lượng kiến ​​trước đó đã chọn đường đi đó. Hành vi của loài kiến ​​sơ cấp này đã truyền cảm hứng cho sự phát triển của phương pháp tối ưu hóa đàn kiến ​​của Marco Dorigo vào năm 1992, xây dựng một phương pháp tính toán tổ hợp ngẫu nhiên siêu heuristic thuộc một nhóm các phương pháp siêu heuristic có liên quan như ủ mô phỏng, tìm kiếm Tabu và các thuật toán di truyền. Cuốn sách này bao gồm 20 chương về các phương pháp và ứng dụng tiên tiến trong việc sử dụng các thuật toán tối ưu hóa đàn kiến. Các phương pháp và lý thuyết mới như thuật toán kiến ​​đa đàn dựa trên sự giao thoa số học pheromone mới và toán tử đẩy, những phát hiện mới về sự hội tụ của đàn kiến, và sự đa dạng của các ứng dụng khoa học và kỹ thuật từ giao thông vận tải, tài nguyên nước, các ngành khoa học điện và máy tính được trình bày .

Abstract:

Ants communicate information by leaving pheromone tracks. A moving ant leaves, in varying quantities, some pheromone on the ground to mark its way. While an isolated ant moves essentially at random, an ant encountering a previously laid trail is able to detect it and decide with high probability to follow it, thus reinforcing the track with its own pheromone. The collective behavior that emerges is thus a positive feedback: where the more the ants following a track, the more attractive that track becomes for being followed; thus the probability with which an ant chooses a path increases with the number of ants that previously chose the same path. This elementary ant's behavior inspired the development of ant colony optimization by Marco Dorigo in 1992, constructing a meta-heuristic stochastic combinatorial computational methodology belonging to a family of related meta-heuristic methods such as simulated annealing, Tabu search and genetic algorithms. This book covers in twenty chapters state of the art methods and applications of utilizing ant colony optimization algorithms. New methods and theory such as multi colony ant algorithm based upon a new pheromone arithmetic crossover and a repulsive operator, new findings on ant colony convergence, and a diversity of engineering and science applications from transportation, water resources, electrical and computer science disciplines are presented.

Ngôn ngữ:	eng
Tác giả:	Avi Ostfeld
Thông tin nhan đề:	Ant Colony Optimization: Methods and Applications
Nhà xuất bản:	IntechOpen
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by-nc-sa/3.0/
Nguồn gốc:	https://directory.doabooks.org/handle/20.500.12854/64924
Mô tả vật lý:	354p.
Năm xuất bản:	2019