Discussão do artigo "Algoritmos de otimização populacionais: Otimização de colônia de formigas (ACO)"

 

Novo artigo Algoritmos de otimização populacionais: Otimização de colônia de formigas (ACO) foi publicado:

Desta vez, vamos dar uma olhada no algoritmo de otimização de colônia de formigas ("Ant Colony optimization algorithm", em inglês). O algoritmo é muito interessante e ambíguo. Trata-se de uma tentativa de criar um novo tipo de ACO.

O algoritmo ACO é baseado em inteligência de enxame, simulando como uma colônia de formigas procura por alimentos. Ele estabelece o caminho mais curto em diferentes ambientes através do mecanismo de transmissão de informações da colônia de formigas. Durante a busca, as formigas deixam feromônios e as formigas subsequentes escolhem o caminho com base na concentração de feromônios. A probabilidade de escolha de um caminho aumenta quanto maior a concentração de feromônios. A concentração de feromônios diminui com o tempo. Assim, com o comportamento da colônia de formigas, as formigas aprendem e se otimizam continuamente, com um mecanismo de feedback para determinar o caminho mais curto para encontrar alimentos. Devido a essas características, o algoritmo ACO é amplamente utilizado em planejamento de caminhos.

Func1

ACO na função de teste Skin.

Func2

ACO na função de teste Forest.

Func3

ACO na função de teste Megacity.

Portanto, é hora de fazer um balanço. Por um lado, o clássico algoritmo de colônia de formigas não é aplicável a problemas de otimização para negociação de instrumentos financeiros e pode não ser levado em consideração. No entanto, alguns lances da imaginação nos permitiram evitar as limitações da versão clássica e escrever uma nova versão inédita. Você testemunhou o surgimento de um conceito completamente novo, o algoritmo da colônia de formigas, dentro do qual o desenvolvimento posterior do ACO é possível. Tal algoritmo já pode ser aplicado a uma ampla gama de problemas, incluindo o mesmo problema do caixeiro viajante.

Autor: Andrey Dik