A Effective Ant Colony Algorithm applied to the Graph Coloring Problem

Ant Colony System(ACS) Algorithm is new meta-heuristic for hard combinational optimization problem. It is a population-based approach that uses exploitation of positive feedback as well as greedy search. Recently, various methods and solutions are proposed to solve optimal solution of graph coloring problem that assign to color for adjacency node($v_i, v_j$) that they has not same color. In this paper introducing ANTCOL Algorithm that is method to solve solution by Ant Colony System algorithm that is not method that it is known well as solution of existent graph coloring problem. After introducing ACS algorithm and Assignment Type Problem, show the wav how to apply ACS to solve ATP And compare graph coloring result and execution time when use existent generating functions(ANT_Random, ANT_LF, ANT_SL, ANT_DSATUR, ANT_RLF method) with ANT_XRLF method that use XRLF that apply Randomize to RLF to solve ANTCOL. Also compare graph coloring result and execution time when use method to add re-search to ANT_XRLF(ANT_XRLF_R) with existent generating functions.

그래프 착색 문제에 적용된 효과적인 Ant Colony Algorithm에 관한 연구

개미 집단 시스템(Ant Colony System ACS) 알고리즘은 조합 최적화 문제를 해결하기 위한 새로운 메타 휴리스틱 방법이다. 이것은 그리디 탐색뿐만 아니라 긍정적 피드백에 의한 탐색을 이용한 모집단에 근거한 접근법으로 조합 최적화 문제를 해결하기 위해 제안되었다. 최근까지 인접한 노드($v_i, v_j$)가 같은 색을 갖지 않도록 그래프 G의 노드 V에 색을 배정하는 문제인 그래프 착색 문제의 최적 해를 구하기 위하여 다양한 접근 방식들과 해법들이 제안되고 있다. 본 논문에서는 기존의 그래프 착색 문제의 해법으로 잘 알려진 그리디 알고리즘, 시뮬레이티드어넬링, 타부 탐색 등이 아닌 개미 집단 시스템 알고리즘으로 해법을 구하는 방법인 ANTCOL 알고리즘을 소개하고, ANTCOL을 해결하기 위해 제안된 기존의 생성 함수들(ANT_Random ANT_LF, ANT_SL, ANT_DSATUR, ANT_RLF)과, 본 논문에서 새롭게 제안된 방법으로 RLF에 무작위 기법을 적용한 XRLF를 생성 함수로 사용한 ANT_XRLF 방법과 ANT_XRLF에 재검색을 추가한 방법(ANT_XRLF_R)의 그래프 착색 결과 및 실행 시간을 비교, 분석하여 제안된 방법이 더 빠르게 수렴할 수 있음을 실험을 통해 알 수 있었다.