Transcript 下載/瀏覽

Ant Colony System on TSP
報告者：孔鵬超
指導教授：張儀興 副教授
The ant system: optimization by a colony of cooperating agents
M. Dorigo, V. Maniezzo, and A.Colorni
IEEE Transactions on Systems, Man, and Cybernetics–Part B, Vol.26, No.1,
1996, pp.1-13
大綱


TSP (Traveling Salesman Problem)
Ant Colony System (ACS)
TSP

Traveling Salesman Problem
設定N個城市
 拜訪所有城市且距離總合最短
 其複雜度最高為NP-hard

TSP

TSP過去解決方式
類神經網路 (Neural Networks)
 禁忌搜尋法 (TS)
 基因演算法 (遺傳演算法 , Genetic Algorithm)
 模擬退火 (Simulated Annealing)
 群集智能 (Swarm Intelligence)

螞蟻演算法
 粒子群優化 (Particle Swarm Optimization)


免疫優化 (Immune Optimization)
ACS：簡介
又稱ACO (Ant Conoly Optimization)
 利用螞蟻群體合作的原理來解優化問題
(Optimization problems)
 1996年M. Dorigo證明與GA、SA等啟發
式演算法以TSPLIB國際列題進行比較，其
結果皆優於其他的演算法，其結果與最佳
解誤差皆小於3.5%

ACS：簡介
ACS步驟
將問題轉為路徑
問題形式
初始化路徑上的
費洛蒙濃度
達到終止條件?
讓螞蟻繼續搜尋
路徑
更新費洛蒙濃度
結束
ACS步驟
初始化費洛蒙(Pheromone)濃度
 螞蟻開始由起點朝向目標前進
 螞蟻群走完一次會進行“更新”動作



全域更新
區域更新
ACS步驟

全域更新



螞蟻群結束一個搜尋時執行
會在路徑下留下”固定”的費洛蒙
將此費洛蒙 / 距離=費洛蒙濃度


距離越長費洛蒙累積越少
區域更新


與螞蟻進行搜尋時同步運作
費洛蒙於螞蟻走過後的隨著時間揮發


少量或無螞蟻行走的路徑會失去費洛蒙
可以降低螞蟻指走特定區域
ACS-作法
ACS on TSP


設定螞蟻需要拜訪所有的城市
透過ACS過程


會讓不好的路徑的費洛蒙消散
當達到中止條件時

最多螞蟻行走的路徑(費洛蒙濃度最高)，
就是答案
Q&A