کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6856723 | 1437969 | 2018 | 21 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A best-path-updating information-guided ant colony optimization algorithm
ترجمه فارسی عنوان
الگوریتم بهینه سازی کلون مورچه هدایت اطلاعات به بهترین مسیر به روز رسانی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
بهینه سازی کلینیک مورچه، هوشافزاری مکانیسم به روز رسانی فرومون مکانیزم صاف کردن فرومون مشکل رضایتمندی محدودیت، مشکل فروشنده مسافرتی
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
The ant colony optimization (ACO) algorithm is a type of classical swarm intelligence algorithm that is especially suitable for combinatorial optimization problems. To further improve the convergence speed without affecting the solution quality, in this paper, a novel strengthened pheromone update mechanism is designed that strengthens the pheromone on the edges, which had never been done before, utilizing dynamic information to perform path optimization. In addition, to enhance the global search capability, a novel pheromone-smoothing mechanism is designed to reinitialize the pheromone matrix when the ACO algorithm's search process approaches a defined stagnation state. The improved algorithm is analyzed and tested on a set of benchmark test cases. The experimental results show that the improved ant colony optimization algorithm performs better than compared algorithms in terms of both the diversity of the solutions obtained and convergence speed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 433â434, April 2018, Pages 142-162
Journal: Information Sciences - Volumes 433â434, April 2018, Pages 142-162
نویسندگان
Ning Jiaxu, Zhang Qin, Zhang Changsheng, Zhang Bin,