A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Improved Clonal Selection Algorithm Combined with Ant Colony Optimization Algoritmo de seleção clonal aprimorado combinado com otimização de colônia de formigas

Shangce GAO, Wei WANG, Hongwei DAI, Fangjia LI, Zheng TANG

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Tanto o algoritmo de seleção clonal (CSA) quanto a otimização de colônias de formigas (ACO) são inspirados em fenômenos naturais e são ferramentas eficazes para resolver problemas complexos. O CSA pode explorar e explorar o espaço de soluções de forma paralela e eficaz. No entanto, ele não pode usar informações suficientes de feedback do ambiente e, portanto, precisa fazer uma grande repetição de redundância durante a pesquisa. Por outro lado, o ACO baseia-se no conceito de processo de forrageamento cooperativo indireto por meio da secreção de feromônios. Sua capacidade de feedback positivo é boa, mas sua velocidade de convergência é lenta por causa dos poucos feromônios iniciais. Neste artigo, propomos um ligante de feromônios para combinar esses dois algoritmos. A seleção clonal híbrida proposta e otimização de colônias de formigas (CSA-ACO) utiliza razoavelmente as superioridades de ambos os algoritmos e também supera suas desvantagens inerentes. Resultados de simulações baseadas nos problemas do caixeiro viajante demonstraram o mérito do algoritmo proposto sobre algumas técnicas tradicionais.

Publicação
IEICE TRANSACTIONS on Information Vol.E91-D No.6 pp.1813-1823
Data de publicação
2008/06/01
Publicitada
ISSN online
1745-1361
DOI
10.1093/ietisy/e91-d.6.1813
Tipo de Manuscrito
PAPER
Categoria
Biocibernética, Neurocomputação

autores

Palavra-chave