Wpływ parametrów algorytmu mrówkowego na efektywność połączeń w sieciach
DOI:
https://doi.org/10.34767/SIMIS.2020.02.01Słowa kluczowe:
algorytm mrówkowy, badania symulacyjne, najkrótsze ścieżki w grafie, optymalizacja sieciAbstrakt
W artykule zdefiniowano algorytm mrówkowy ACO, jego miejsce wśród dziedzin sztucznej inteligencji oraz przedstawiono jego przykładowy przebieg. Scharakteryzowano także parametry algorytmu mrówkowego i przeprowadzono testy zachowania mrówek w przykładowych grafach. W szczególności omówiono wpływ każdego parametru na sposób wyznaczania najkrótszych ścieżek w grafach o różnych rozmiarach. Badania symulacyjne przedstawiono dla czterech zestawów parametrów ACO.
Bibliografia
Szawdyński, P. (2005-2019). problem NP-trudny -Znalezienie rozwiązania problemu nie jest możliwe ze złożonością obliczeniową wielomianową. (pojęcie). Pobrano z lokalizacji Serwis programistyczny C/C++: http://cpp0x.pl/dokumentacja/problem-NP-Trudny/1219
Duch, W. (2006, 03 14). Dokąd zmierza inteligencja obliczeniowa? Pobrano z lokalizacji Katedra Informatyki Stosowanej, Uniwersytet Mikołaja Kopernika: https://fizyka.umk.pl/publications/kmk/03-CI-przyszlosc.pdf
Dul, F. (2014). POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA. Pobrano z lokalizacji WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586: https://docplayer.pl/15447888-Wprowadzenie-do-sztucznej-inteligencji.html
Wikipedia. (2020, 1 2). Metaheuristic. Pobrano z lokalizacji Wikipedia, the free encyclopedia: https://en.wikipedia.org/wiki/Metaheuristic
Wikipedia. (2018, 6 23). Obliczenia inteligentne. Pobrano z lokalizacji Wikipedia, the free encyclopedia: https://pl.wikipedia.org/wiki/Obliczenia_inteligentne
Flasiński, M. (2011). Wstęp do sztucznej inteligencji. Warszawa: Wydawnictwo Naukowe PWN.
Bullnheimer, B., F.Hartl, R. i StrauB, C. (1997, 06). A New Rank Based Version of the Ant System - A Computational Study. Pobrano z lokalizacji Wirtchaftsuniversitat Wien:https://epub.wu.ac.at/616/1/document.pdf
Karmakar, R. B., Mitra, R. B., Dey, A. B., Chakraborty, V. B. i Nayak, A. B. (2016). Solving TSP Using Improved Elitist - Ant System Based on Improved Pheromone - Strategy and Dynamic Candidate List.
Boryczka, U. (2006). Algorytmy optymalizacji mrowiskowej. Katowice: Wydawnictwo Uniwersytetu Śląskiego.
Jakubowska, A. i Piechocka, K. (2015). W POSZUKIWANIU OPTYMALNEJ TRASY – WYBRANE ALGORYTMY W ZASTOSOWANIU DO PROBLEMU KOMIWOJAŻERA.
Graziani, R. i Johnson, R. (2008). Akademia sieci Cisco, CCNA Exploration, Semestr 2, Protokoły i koncepcje routingu. Warszawa: Wydawnictwo Naukowe PWN.
