Professional Documents
Culture Documents
ario
ACO
TSP
Algoritmos
Testes
Otimizac
ao por Col
onia de Formigas
(Ant Colony Optimization - ACO)
Eros Moreira de Carvalho
Gabriel Silva Ramos
CI209 - Intelig
encia Artificial
BCC - Bacharelado em Ci
encia da Computac
ao
DInf - Departamento de Inform
atica
UFPR - Universidade Federal do Paran
a
11 de Junho de 2007
Conclus
oes
Sum
ario
ACO
ACO
TSP
Algoritmos
Testes
Conclus
oes
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
ACO - Otimizac
ao por Col
onia de Formigas
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Motivaco
es
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Pseudo-c
odigo
Iniciar par^
ametros, iniciar rastros de ferom^
onio
Agendar Atividades
Constru
c~
ao de Solu
c~
oes
A
c~
oes Globais [Opcional]
Atualiza
c~
ao dos Ferom^
onios
Fim do Agendamento
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Fase: Construc
ao de Soluc
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Fase: Ac
oes Globais
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Fase: Atualizac
ao dos Ferom
onios
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Notac
ao
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Notac
ao
(eta) - ij =
1
dij ,
1
,
Lk
0,
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Ant System
Desenvolvido por Marco Dorigo, Vitorio Maniezzo e Alberto
Colorni em 1996.
Fase de Construcao: as formigas que atravessam o grafo em
construcao fazem uma decisao probabilstica em cada nodo.
Essa decisao e definida pela f
ormula:
pijk = P
[ij ] [ij ]
Atualizacao do Ferom
onio: o ferom
onio e atualizado por
todas as formigas, ao completar o caminho:
ij = (1 ).ij +
m
X
ijk
k=1
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Expressao
ij = (1).ij +
Realizado
m
X
ijk
k=1
ACS
ij = (1 ).ij + .0
ACS
ij = (1 ).ij +
.ijmelhor
MMAS
ij = (1 ).ij +
ijmelhor
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Comparac
oes entre Algoritmos
Melhor
Pior
Tempo Med.
AS
158469.9 19366.7 141109 239852
7.06
ACS
154165.0 13257.9 139512 178748
7.88
8.27
MMAS 162705.5 27080.5 138924 256076
Sum
ario
ACO
TSP
Variac
ao da busca local
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
Variac
ao do
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
Variac
ao do
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
Variac
ao do
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Media
699
937
5051.1
11461
0
0
7.4
0
Melhor
699
937
5046
11461
Pior
699
937
5069
11461
Tempo Med.
0.66
0.008
2.09
0.84
Sum
ario
ACO
M
edias de custo
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
M
edias de tempo
TSP
Algoritmos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Aplicac
oes
TSP
Roteamento em redes de comunicacao
Roteamento de Veculos
Testes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Conclus
oes
Sum
ario
ACO
TSP
Algoritmos
Testes
Conclus
oes
Refer
encias
M. Dorigo and L.M. Gambardella.
Ant colony system: A cooperative learning approach to the
traveling salesman problem.
IEEE Transactions on Evolutionary Computation, Vol.1, No.1,
pages 124, 1997.
M. Dorigo, V. Maniezzo, and Colorni A.
Ant system: Optimization by a colony of cooperatings agents.
IEEE Transactions on Systems, Man, and Cybernetics-Part B,
26(1):113, 1996.
M. Dorigo and T. St
utzle.
Ant colony optimization metaheuristic: Algorithms,
applications, and advance, 2002.
T. St
utzle.
Max-min ant system.
Preprint submitted to Elsevier Science, pages 126, 1999.