Динамична оптимизация по метода на мравките


Категория на документа: Други


 ТЕХНИЧЕСКИ УНИВЕРСИТЕТ - СОФИЯ

Катедра "Компютърни системи"

Специалност "Компютърни Системи и Технологии", степен магистър

ИНДИВИДУАЛНО ЗАДАНИЕ ЗА КУРСОВА РАБОТА
ПО МЕТАЕВРИСТИКА

Студент: .................

ФАК. No:................ Група:............

Тема


Метод на мравките. Продължително-динамична оптимизация.


София, Подпис на преподавателя:.......................................
2013/2014 ( )

Подпис на студента:.......................................

1. Въведение

В тази тема ще се представи нов алгоритъм мравка-колония, насочен към постоянни и динамични проблеми. За да се справят с промените на динамичните проблеми, диверсификацията в популациите на мравката се поддържат чрез приписване на всяка мравка на отблъскващ електростатичен заряд, който позволява да се запази една и съща дистанция на мравките. Алгоритъма се основава на непрекъснат
мравка-колония алгоритъм, който използва претеглено непрекъснато Гаусово разпределение, вместо дискретно разпределение, използвано за решаване на отделни проблеми. Експерименталните резултати и сравнения с два конкурентни метода, налични в литературата, показват най-добрите изпълнения на новият ни
алгоритъм, наречен CANDO на набор от мултимодални динамични функции.

За да намери най-краткия път между колонията и източник на храна, мравкиte приемат определена колективно организационна техника (фигура 1). Първият алгоритъм вдъхновен от мравка-колонии, наречен ACO, беше
предложен като подход мулти агент, за да се решат сложни комбинаторно оптимизационни задачи. Прилага се към отделни проблеми като пътуващ търговец, маршрутизация и комуникационни проблеми.

На фиг. 1 е изложен пример, илюстриращ способността на мравки-колонии за намиране на най-краткият път, в случаят има само две пътеки с различни дължини между гнездото и източника на храна.

В тази тема ще разгледаме нов динамично оптимизационен метод, базиран на оригиналния АСО. Отблъскващ електростатичен заряд се определя на всяка мравка, за да се поддържа диверсификация вътре в популацията. За да се адаптираме АСО към продължителен случай, ние ще използваме продължително вероятностни разпределения.

2. Биологична основа

В края на 80-те, са разглеждани нови изследвания в изкуственият интелект,
наречени интелигентност на рояка. Те се отнасят до проучването на ползата от подражаване на насекоми за създаване на нови алгоритми.

В действителност, възможността за производство на сложни структури и намиране на решения за нетривиални проблеми (сортиране, оптимално търсене, задача преразпределение ...), използвайки прости агенти, като не е намерен глобален изглед
за решаването им, нито централизиран контрол или глобална стратегия, заинтригува изследователите.

Много понятия са били определени след това, като авто-организация и бърза помощ. Компютърната науката е използвала концепцията за авто-организация и бързата помощ, намерени в обществата на насекомите, за да определят това, което ние наричаме интелигентност на рояка.Благодарение на прилагането на тези метафори, свързани с интелигентността на рояка, са разработени дизайни на методи алгоритми, които имат доста предимства:
- Гъвкавост при динамични пейзажи,
- По-добра производителност в сравнение с изолираните агенти,
- По-надеждна система (загубата на агент не променя цялата система),
- Просто моделиране на агенти.
Независимо от това се появяват някои проблеми:



Сподели линка с приятел:





Яндекс.Метрика
Динамична оптимизация по метода на мравките 9 out of 10 based on 2 ratings. 2 user reviews.