Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen Ameisenkolonie-Optimierung (ACO)"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Algorithmen zur Optimierung mit Populationen Ameisenkolonie-Optimierung (ACO) :
Dieses Mal werde ich den Algorithmus der Ameisenkolonie-Optimierung analysieren. Der Algorithmus ist sehr interessant und komplex. In diesem Artikel versuche ich, eine neue Art von ACO zu schaffen.
Der ACO-Algorithmus ist eine Art Schwarmintelligenz-Algorithmus. Durch die Modellierung des Futtersuchprozesses einer Ameisenkolonie wird der kürzeste Weg in verschiedenen Umgebungen mithilfe des internen Datenübertragungsmechanismus der Ameisenkolonie ermittelt. Je höher die Konzentration des Pheromons auf dem Weg ist, desto größer ist die Wahrscheinlichkeit, dass die Ameise diesen Weg wählt. Gleichzeitig nimmt die Konzentration des Pheromons mit der Zeit ab. Aufgrund des Verhaltens der Ameisenkolonie lernen und optimieren die Ameisen daher ständig durch einen Rückkopplungsmechanismus, um den kürzesten Weg zur Futtersuche zu finden. Der ACO-Algorithmus ist in der Bahnplanung weit verbreitet.
ACO mit der Testfunktion Skin
ACO mit der Testfunktion Forest
ACO mit der Testfunktion Megacity
Es ist also Zeit für Schlussfolgerungen. Zum einen ist der herkömmliche Ameisenkolonie-Algorithmus nicht auf Optimierungsprobleme für den Handel mit Finanzinstrumenten anwendbar. In dem Versuch, die Beschränkungen der konventionellen Version zu umgehen, ist jedoch ein völlig neues Konzept des Ameisenkolonie-Algorithmus entstanden, das eine Weiterentwicklung des ACO ermöglicht. Ein solcher Algorithmus kann bereits auf eine Vielzahl von Problemen angewandt werden, unter anderem auf das Travelling-Salesman-Problem.
Autor: Andrey Dik