Skip to content
EntityQ460851· pop 25· linked from 205 articles

Algorytm mrówkowy

Sign in to save

Also known as artificial ants, swarm intelligence, ant colony optimization algorithm, ACO

probabilistic techniques for solving computational problems that can be reduced to finding good paths through graphs

Wikidata facts

Instance of
metaheuristic
Named after
ant colony
Image
Artificial ants.jpg
Show 4 more facts
computes solution to
travelling salesperson problem
discoverer or inventor
Marco Dorigo
short name
ACO
Sources (3)

via Wikidata · CC0

Article · Polski

Algorytm mrówkowy – algorytm zaproponowany przez Marco Dorigo, będący probabilistyczną techniką rozwiązywania problemów poprzez szukanie dobrych dróg w grafach. Jest on zainspirowany zachowaniem mrówek szukających pożywienia dla swojej kolonii. W prawdziwym świecie, mrówki poruszają się w sposób losowy; gdy znajdują pożywienie, wracają do swojej kolonii pozostawiając ślad składający się z feromonów. Gdy inna mrówka natknie się na ten ślad, przestaje poruszać się w sposób losowy i podąża za śladem w kierunku pożywienia. Jednak po pewnym czasie feromony wyparowują, a więc siła ich działania maleje. Im dłuższa jest trasa od pożywienia do kolonii, tym więcej mają czasu feromony, aby wyparować. Krótsze trasy jednak zapewniają, iż siła działania feromonów będzie większa. Parowanie feromonów jest efektem pozytywnym, bowiem pozwala to na odnajdywanie optymalnej trasy do pożywienia. Gdyby feromony nie wyparowywały, każda kolejna trasa miałaby taką samą siłę jak poprzednia, przez co nie dochodziłoby do odnalezienia optymalnego rozwiązania problemu. Zatem gdy jedna mrówka odnajdzie dobrą (krótką) drogę, inne mrówki będą podążać tą właśnie drogą, również zostawiając feromony, a więc zwiększając ich natężenie. Ostatecznie wszystkie mrówki będą poruszać się tą samą, najlepszą drogą, a pozostałe drogi zostaną zapomniane (wyparują). * Algorytm mrówkowy został zainspirowany zachowaniem mrówek poszukujących pożywienia

Abstract from DBpedia / Wikipedia · CC BY-SA