"Popülasyon optimizasyon algoritmaları: Karınca kolonisi optimizasyonu (Ant Colony Optimization, ACO)" makalesi için tartışma
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Yeni makale Popülasyon optimizasyon algoritmaları: Karınca kolonisi optimizasyonu (Ant Colony Optimization, ACO) yayınlandı:
Bu sefer karınca kolonisi optimizasyonu algoritmasını analiz edeceğiz. Bu algoritma çok ilginç ve karmaşıktır. Makalede, yeni bir ACO türü oluşturma girişiminde bulunacağız.
ACO algoritması bir tür sürü zekası algoritmasıdır. Karınca kolonisinin yiyecek arama süreci modellenerek (karınca kolonisinin dahili veri aktarma mekanizması kullanılarak), çeşitli ortamlardaki en kısa yol belirlenebilir. Yol üzerinde kalan feromon konsantrasyonu ne kadar yüksek olursa, karıncanın ilgili yolu seçme olasılığı da o kadar yüksek olacaktır. Aynı zamanda, feromon konsantrasyonu zaman geçtikçe azalacaktır. Dolayısıyla, karınca kolonisinin davranışının sonucu olarak, karıncalar sürekli olarak bir geri bildirim mekanizması aracılığıyla en kısa yiyecek bulma yolunu belirleme sürecini öğrenecek ve optimize edecektir. ACO algoritması, yol planlamasında yaygın olarak kullanılmaktadır.
Skin test fonksiyonu üzerinde ACO.
Forest test fonksiyonu üzerinde ACO.
Megacity test fonksiyonu üzerinde ACO.
Şimdi sonuç zamanı. Geleneksel karınca kolonisi algoritması, finansal enstrümanların ticaretine yönelik optimizasyon problemleri için uygulanabilir değildir. Geleneksel versiyonun sınırlamalarından kaçınmak amacıyla, ACO'nun daha da geliştirilmesine olanak tanıyan tamamen yeni bir karınca kolonisi algoritması konseptinin ortaya çıkışına tanık olduk. Böyle bir algoritma, gezgin satıcı problemi de dahil olmak üzere çok çeşitli problemlere uygulanabilir.
Yazar: Andrey Dik