DOI QR코드

DOI QR Code

개미군락시스템에서 수정된 지역 갱신 규칙을 이용한 최적해 탐색 기법

Optimal solution search method by using modified local updating rule in Ant Colony System

  • 홍석미 (경희대학교 컴퓨터공학과) ;
  • 정태충 (경희대학교 컴퓨터공학과)
  • 발행 : 2004.02.01

초록

개미군락시스템 (Ant Colony System, ACS)은 조합 최적화 문제를 해결하기 위한 기법으로 생물학적 기반의 메타휴리스틱 접근법이다. 지나간 경로에 대하여 페로몬을 분비하고 통신 매개물로 사용하는 실제 개미들의 추적 행위를 기반으로 한다. 최적 경로를 찾기 위해서는 보다 다양한 에지들에 대한 탐색이 필요하다. 기존 개미군락시스템의 지역 갱신 규칙에서는 지나간 에지에 대하여 고정된 페로몬 갱신 값을 부여하고 있다. 그러나 본 논문에서는 방문한 도시간의 거리와 해당 에지의 방문 횟수를 이용하여 페로몬을 부여한다. 보다 많은 정보를 탐색에 활용함으로써 기존의 방법에 비해 지역 최적화에 빠지지 않고 더 나은 해를 찾을 수 있었다.

Ant Colony System(ACS) is a meta heuristic approach based on biology in order to solve combinatorial optimization problem. It is based on the tracing action of real ants which accumulate pheromone on the passed path and uses as communication medium. In order to search the optimal path, ACS requires to explore various edges. In existing ACS, the local updating rule assigns the same pheromone to visited edge. In this paper, our local updating rule gives the pheromone according to the number of visiting times and the distance between visited cities. Our approach can have less local optima than existing ACS and find better solution by taking advantage of more informations during searching.

키워드

참고문헌

  1. B. Freisleben and P. Merz, "Genetic local search algorithm for solving symmetric and asymmetric traveling salesman problems", Proceedings of IEEE International Conference of Evolutionary Computation, IEEE-EC 96, 1996, IEEE Press, pp. 616-621.
  2. A. Colorni, M. Dorigo and V. Maniezzo, "Distributed optimization by ant colonies", Proceedings of ECAL91-European Conference of Artificial Life, Paris, France, 1991, F. Varela and P. Bourgine(Eds), Elsevier Publishing, pp. 134-144.
  3. L. M. Gambardella and M. Dorigo, "Ant Colony System: A Cooperative Learning approach to the Traveling Salesman Problem", IEEE Transactions on Evolutionary Computation, vol. 1, No. 1, 1997.
  4. M. Dorigo and L. M. Gambardella, "Ant Colonies for the Traveling Salesman Problem", Biosystems, 43:73-81, 1997. https://doi.org/10.1016/S0303-2647(97)01708-5
  5. M. Dorigo and G. D. Caro, "Ant Algorithms for Discrete Optimization", Artificial Life, vol. 5, No. 3, pp. 137-172, 1999. https://doi.org/10.1162/106454699568728
  6. M. Dorigo, V. Maniezzo and V. Coloni, " The ant System : optimization by a colony of cooperation agents", IEEE Transactions of Systems, Man, and Cybernetics-Part B, vol. 26, No. 2, pp. 29-41, 1996. https://doi.org/10.1109/3477.484436
  7. SeungGwan Lee, TaeUng Jung and TaeChoong Chung, "Improved Ant Agents System by the Dynamic Parameter Decision", Proceedings of IEEE International Conference on FUZZ-IEEE 2001, IEEE Press, pp. 666-669.
  8. http://www.iwr.uni-heidelberg.de/groups/comopt/software/TSPLIB95