الگوریتم کلونی مورچگان Ant Colony Optimization

الگوریتم کلونی مورچگان Ant Colony Optimization

اسلاید 1: 1

اسلاید 2: الگوریتم کلونی مورچه‌ها Ant Colony Optimization طراحی و ساخت:احمد مرادیahmadmoradi369@gmail.com

اسلاید 3: فهرست مطالب مقدمههوش جمعی (Swarm Intelligence)چگونگی پیدا کردن کوتاه ترین مسیرمزیتهای ACO کاربرد ACO الگوریتم ACOTSPمثالمنابع3

اسلاید 4: مقدمهیکی از موفق ترین مثال های الگوریتم مورچه ها، الگوریتم بهینه‌ سازی کلونی مورچه‌ ها است که به اختصار ACO نامیده می شود.ACO براي اولين بار توسط دوريگو (Dorigo) در 1992ارائه شد.الگوریتم ACO از رفتار مربوط به پیدا کردن غذا (foraging) مورچه های الهام گرفته شده است. الگوریتم ACO برای مسئله های بهینه سازی گسسته استفاده می شود.4

اسلاید 5: هوش جمعی (Swarm Intelligence)نمونه بارز این هوشمندی در رفتار حشراتی که بصورت کلونی زندگی می کنند، دیده می شود.جمعیتی از اعضا عمل ساده ای را انجام می دهند .در نهایت تمام گروه مساله پیچیده ای را حل می‌کنند.بين اعضا هيچ نوع ارتباط مستقيمي وجود ندارد.آنها تنها بصورت غير مستقيم و از طريق نشانه‌ها با يکديگر در تماس اند.(Stigmergy)5

اسلاید 6: چگونگی پیدا کردن کوتاه ترین مسیر مورچه ها هنگام راه رفتن از خود ردي از ماده شيميايي فرومون (Pheromone) جاي مي‌گذارند.تبخیر شدن فرومون در گذر زمانمورچه‌ها بصورت احتمالاتي (Statistical) مسيري را انتخاب مي کنند که فرومون بيشتري داشته باشد6

اسلاید 7: چگونگی پیدا کردن کوتاه ترین مسیر مورچه ها روي مسير AB در حرکت اند (در دو جهت مخالف)اگر در مسير مورچه ها مانعي قرار دهیم مورچه ها دو راه براي انتخاب کردن دارند.ABAB7

اسلاید 8: چگونگی پیدا کردن کوتاه ترین مسیر تصادف و احتمال در انتخاب مسیرAB8

اسلاید 9: چگونگی پیدا کردن کوتاه ترین مسیر یافتن کوتاهترین مسیرAB9

اسلاید 10: مزیتهای ACOتبخیرشدن فروموناحتمال-تصادفانعطافجذابیت کمتر مسیر برای مورچه‌های بعدیچندبار طی شدن مسیرها درصورت تبخیر نشدنباقی‌نماندن رد درصورت تمام شدن غذا10

اسلاید 11: 11