Authors B.K. Lebedev, O.B. Lebedev
Month, Year 07, 2012 @en
Index UDC 681.325
Abstract The new paradigm of combinatory optimization trees ant colony optimization (T-ACO), based on ideas of an ant colony and first of all on idea of an indirect exchange – stigmergy is offered, allowing to carry out tree synthesis. Such approach is effective way of search of rational decisions for the problems of optimization supposing graph interpretation in the form of trees. Representation of an optimizing problem in the form of paradigm T-ACO leans against two key moments: formation of the decisions graph (DG) and constructions of admissible alternative decisions on the DG. ГПР it is formed of two types of nodes: set of nodes of the first type M which is leaves of a tree; set of nodes of second type C correspond to internal nodes of a tree. At nodes of set With the full count is formed, and each internal node communicates arches with all nodes of set M. Step-by-step process of construction by an ant of a tree on the basis of ГПР begins with starting node S. On each step one of yet not connected nodes who communicates an edge from one of already before the chosen and connected nodes gets out.

Download PDF

Keywords Procedure of search of decisions on the graph; ways of adjournment and evaporation pheromone is described.
References 1. Engelbrecht A.P. Fundamentals of Computational Swarm Intelligence. John Wiley & Sons, Chichester, UK, 2005.
2. Dorigo M. and Stьtzle T. Ant Colony Optimization. MIT Press, Cambridge, MA, 2004.
3. Dorigo M., Stьtzle T. Ant Colony Optimization: Overview and Recent Advances. M. Gendreau and Y. Potvin, editors, Handbook of Metaheuristics, 2nd edition. Vol. 146 in International Series in Operations Research & Management Science, Springer, Verlag, New York, 2010. – P. 227-263.
4. Dorigo M., Gambardella L.M. Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem // IEEE Transactions on Evolutionary Computation. – 1997. – Vol. 1, № 1. – P. 53-66.
5. Bullnheimer B., Hartl R.F. and Strauss C. A New Rank Based Version of the Ant System: A Computational Study // Central European Journal for Operations Research and Economics. – 1999. – № 7 (1). – Р. 25-38.
6. Stьtzle T. and Hoos H.H. MAX-MIN Ant System. Future Generation Computer Systems. – 2000. – № 16 (8). – P. 889-914.
7. Курейчик В.М., Кажаров А.А. О некоторых модификациях муравьиного алгоритма // Известия ЮФУ. Технические науки. – 2008. – № 4 (81). – C. 7-12.
8. Кажаров А.А., Курейчик В.М. Муравьиные алгоритмы для решения транспортных задач // Теория и системы управления. – М.: Изд-во «Наука», 2010. – № 1.
9. Курейчик В.М., Лебедев Б.К., Лебедев О.Б. Разбиение на основе моделирования адаптивного поведения биологических систем // Нейрокомпьютеры: разработка, применение. – 2010. – № 2. – С. 28-34.
10. Лебедев О.Б. Покрытие методом муравьиной колонии // Двенадцатая национальная конференция по искусственному интеллекту с международным участием КИИ-2010. Труды конференции. Т. 2. – М.: Физматлит, 2010. – С. 423-431.
11. Лебедев Б.К., Лебедев В.Б. Построение кратчайших связывающих сетей на основе метода муравьиной колонии // Нечеткие системы и мягкие вычисления: Cб. ст. Третьей
Всероссийской научной конференции: В 2 т. Т. II. – Волгоград: Волгоградский гос. техн. Университет, 2009. – С. 42-50.
12. Лебедев О.Б. Трассировка в канале методом муравьиной колонии // Известия ЮФУ. Технические науки. – 2009. – № 4 (93). – С. 46-52.
13. Лебедев В.Б. Построение кратчайших связывающих сетей на основе роевого интеллекта // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 37-44.

Comments are closed.