Ant Colony System on TSP.ppt

Ant Colony System on TSP 報告者：孔鵬超 指導教授：張儀興 副教授 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 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 * * 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 ACS步驟 Q A