• 정보처리학회논문지B
• /
• 제11B권2호
• /
• pp.221-226
• /
• 2004

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.

• 정보처리학회논문지B
• /
• 제10B권7호
• /
• pp.751-756
• /
• 2003

개미 집단 최적화는 최근에 제안된 조합 최적화 문제를 해결하기 위한 메타 휴리스틱 탐색 방법으로, 그리디 탐색뿐만 아니라 긍정적 반응의 탐색을 사용한 모집단에 근거한 접근법으로 순회 판매원 문제를 풀기 위해 처음으로 제안되었다. 본 논문에서는 기존의 개미 집단 시스템의 성능을 향상시키기 위해 강화와 다양화를 통한 집단간 긍정적 상호작용과 부정적 상호작용을 수행하는 다중 집단 개미 모델을 제안한다. 이 알고리즘은 TSP 문제를 해결하기 위해 몇 개의 에이전트 집단으로 이루어진 ACS 집단간의 상호작용을 통해 문제를 해결하는 방법이다. 본 논문에서는 이 제안된 방법을 TSP 문제에 적용해 보고 그 성능에 대해 기존의 ACS 방법과 비교 평가해, 문제 해결의 질적 수준이 우수하다는 것을 실험을 통해 알아보고자 한다.

• 정보처리학회논문지B
• /
• 제12B권7호
• /
• pp.823-828
• /
• 2005

개미 군락 시스템 (Ant Colony System, ACS)은 조합 최적화 문제 중의 하나인 방문 판매원 문제에(Traveling Salesman Problem TSP) 간단하게 응용할 수 있고 좋은 결과를 보여주었다. 그러나 ACS는 작은 TSP에서는 최적해를 구하였지만, 큰 TSP에 대해서는 최적해를 구하지 못하였다. 본 연구에서는 큰 TSP에 대한 최적해를 찾기 위하여 개미들에게 좀 더 많은 정보를 주는 기법의 하나로 한 도시에서 다음 도시로의 탐색 경로를 결정할 때, 인접한 도시들에(adjacent neighbor) 대한 거리로만 결정하지 않고 길이가 w인 부경로(subpath)에 대한 정보를 미리 수집한 후, 이 정보를 이용하여 경로를 생성하였다. 실험 결과 본 연구에서 제안한 기법이 기존의 ACS 기법보다 큰 그래프에서 최적해(Known Optimal)에 가까운 경로를 찾는 것을 볼 수 있다. 그래프에 따라서는 기존의 ACS 기법보다 최대 $70\%$ 이상의 성능이 개선되었으며 평균적으로 $30\%$ 내외의 개선된 결과를 보여준다.

• 정보처리학회논문지B
• /
• 제18B권3호
• /
• pp.165-172
• /
• 2011

본 논문에서는 생물학의 개미들이 학습을 통해 목표를 획득하는 방법을 응용한 Ant-Q 알고리즘(Ant Q learning System)[1]을 Gale-Shapley[2]알고리즘을 통해 제시되었던 안정된 결혼문제(SMP: Stable Marriage Problem)[3]의 새로운 해법을 찾기 위해 적용 하였다. SMP는 남성($m_i$)들과 여성($w_j$)들은 각자 자신이 좋아하는 이상형에 대한 선호도(PL: preference list)를 바탕으로 안정이면서도 최선의 짝을 찾는 것을 목표로 하고 있다. Gale-Shapley 알고리즘은 남성(혹은 여성) 위주로 안정적(stability)인 짝(Matching)을 성사시키므로 다양한 조건을 수용하지 못한다. 본 논문에 적용된 Ant-Q는 개미(Ant)의 페로몬을 활용한 학습인 ACS(Ant colony system)에 강화학습의 일종인 Q-학습[9]을 추가한 방법으로, SMP의 새로운 해법을 찾을 수 있었다.

• 전자공학회논문지CI
• /
• 제40권6호
• /
• pp.87-94
• /
• 2003

휴리스틱 알고리즘 연구에 있어서 중요한 분야 중 하나가 강화(Intensification)와 다양화(Diversification)의 조화를 맞추는 문제이다. 개미 집단 최적화(Ant Colony Optimization, ACO)는 최근에 제안된 조합 최적화 문제를 해결하기 위한 메타휴리스틱 탐색 방법으로, 그리디 탐색(greedy search)뿐만 아니라 긍정적 반응의 탐색을 사용한 모집단에 근거한 접근법으로 순회 판매원 문제(Traveling Salesman Problem, TSP)를 풀기 위해 처음으로 제안되었다. 본 논문에서는 ACO접근법의 하나인 개미 집단 시스템(Ant Colony System ACS)에서 강화와 다양화의 조화를 통한 성능향상기법에 대해 알아본다. 먼저 에이전트들의 방문 횟수 적용을 통한 상태전이는 탐색 영역을 넓힘으로써 에이전트들이 더욱 다양하게 탐색하게 한다. 그리고, 전역 갱신 규칙에서 전역 최적 경로만 갱신하는 전통적인 ACS알고리즘에서 대하여, 경로 사이클을 구성한 후 각 경로에 대해 긍정적 강화를 받는 엘리트 경로를 구분하는 기준을 정하고, 그 기준에 의해 추가 강화하는 방법을 제안한다. 그리고 여러 조건 하에서 TSP문제를 풀어보고 그 성능에 대해 기존의 ACS 방법과 제안된 방법을 비교 평가해, 해의 질과 문제를 해결하는 속도가 우수하다는 것을 증명한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권9호
• /
• pp.862-866
• /
• 2003

조합 최적화 문제인 순회 판매원 문제(Traveling Salesman Problem, TSP)를 유전자 알고리즘(Genetic Algorithm)과 Local Search Heuristic인 Lin-Kernighan(LK) Heuristic［1］을 이용하여 접근하는 것은 최적 해를 구하기 위해 널리 알려진 방법이다. 본 논문에서는 TSP 문제를 해결하기 위한 또 다른 접근법으로 ACS(Ant Colony system) 알고리즘을 소개하고 새로운 페로몬 갱신 방법을 제시하고자 한다. ACS 알고리즘은 다수의 개미들이 경로를 만들어 가는 과정에서 각 에지상의 페로몬 정보를 이용하며, 이러한 반복적인 경로 생성 과정을 통해 최적 해를 발견하는 방법이다. ACS 기법의 전역 갱신 단계에서는 생성된 모든 경로들 중 전역 최적 경로에 속한 에지들에 대하여 페로몬을 갱신한다. 그러나 본 논문에서는 전역 갱신 규칙이 적용되기 전에 생성된 모든 에지에 대하여 페로몬을 한번 더 갱신한다. 이 때 페로몬 갱신을 위해 각 에지들의 발생 빈도수를 이용한다. 개미들이 생성한 전체 에지들의 발생 빈도수를 페로몬 정보에 대한 가중치(weight)로 부여함으로써 각 에지들에 대하여 통계적 수치를 페로몬 정보로 제공할 수 있었다. 또한 기존의 ACS 알고리즘보다 더 빠른 속도로 최적 해를 찾아내며 더 많은 에지들이 다음 번 탐색에 활용될 수 있게 함으로써 지역 최적화에 빠지는 것을 방지할 수 있다.

• 디지털융복합연구
• /
• 제11권11호
• /
• pp.443-448
• /
• 2013

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 현재 선택한 노드에 대한 이전 iteration 에서 방문한 총 빈도수를 고려한 페로몬 부여 방법을 지역갱신규칙에 사용하고자 한다. 탐색을 위해서는 부경로를 이용한 ACS알고리즘을 사용하였다. 보다 많은 정보를 탐색에 활용함으로써 기존의 방법에 비해 지역 최적화에 빠지지 않고 더 나은 해를 찾을 수 있다.

• 대한산업공학회지
• /
• 제35권2호
• /
• pp.160-170
• /
• 2009

This paper studies a vehicle routing problem variant which considers customers to require simultaneous delivery and pick-up under time windows(VRPSDP-TW). The objective of this paper is to minimize the total travel distance of routes that satisfy both the delivery and pick-up demand. We propose a heuristic algorithm for solving the VRPSDP-TW, based on the ant colony system(ACS). In route construction, an insertion algorithm based ACS is applied and the interim solution is improved by local search. Through iterative processes, the heuristic algorithm drives the best solution. Experiments are implemented to evaluate a performance of the algorithm on some test instances from literature.

• 경영과학
• /
• 제30권2호
• /
• pp.31-42
• /
• 2013

The vehicle routing problem (VRP) can be described as a problem to find the optimum traveling routes from one or several depot (s) to number of geographically scattered customers. This study executes a revised Heterogeneous Vehicle Routing Problem (HVRP) to minimize the cost that needs to conduct efficiently the snow removal operations of Air Wing under available resources and limited operations time. For this HVRP, we model the algorithm of an hybrid Ant Colony System (ACS). In the initial step for finding a solution, the modeled algorithm applies various alterations of a parameter that presents an amount of pheromone coming out from ants. This improvement of the initial solution illustrates to affect to derive better result ultimately. The purpose of this study proves that the algorithm using Hybrid heuristic incorporated in tabu and ACS develops the early studies to search best solution.

• 한국컴퓨터정보학회논문지
• /
• 제16권3호
• /
• pp.203-210
• /
• 2011

개미 집단 시스템은 조합 최적화 문제를 해결하기 위한 메타 휴리스틱 탐색 방법으로, 그리디 탐색뿐만 아니라 긍정적 피드백을 사용한 모집단에 근거한 접근법으로 순회 판매원 문제를 풀기 위해 처음으로 제안되었다. 본 논문에서는 이전 전역 최적 경로와 현재 전역 최적 경로의 중복 간선을 고려한 탐색 방법을 제안하였다. 이 방법은 이전전역 최적 경로와 현재 전역 최적 경로에서의 중복 간선은 최적 경로로 구성될 가능성이 높다고 판단하고, 해당 중복 간선에 대해 페로몬을 강화시켜 최적 경로를 구성할 확률을 높이게 하였다. 그리고, 실험을 통해 ACS-3-opt 알고리즘, ACS-Subpath 알고리즘, ACS-Iter 알고리즘에 비해 최적 경로 탐색 및 평균 최적 경로 탐색의 성능이 우수함을 보여 주었다.