|
|
8 回复 | 直到 15 年前
|
1
5
如果你懂德语(是的,对不起),我和一位朋友写了一封 introduction with code 关于这个话题,我自己觉得还可以。本文和代码以TSP为例介绍了这一概念。 甚至 如果你不懂德语,看看代码 对于文本中的公式,这可能仍然有效。 |
|
|
2
5
link Wikipedia 实际上让我开始了。我读了这篇文章,然后开始编码。我正在解决旅行推销员问题的一个邪恶变体。这是一个惊人的元启发式。基本上,任何可以放入图中的搜索问题(节点和边,对称与否)都可以用蚁群算法来解决。 注意全局和局部信息素轨迹之间的差异。本地信息素 阻止 一代蚂蚁穿越同一条路径。他们阻止模型趋同。全局信息素是吸引子,每一代至少会捕获一只蚂蚁。他们鼓励几代人走上最佳道路。 我最好的建议就是简单地使用算法。设置一个基本的TSP求解器和一些基本的群体可视化。那就找点乐子吧。从概念上讲,与蚂蚁合作很酷。你对他们的基本行为进行编程,然后让他们放松。我甚至越来越喜欢它们。 :) 蚁群算法是一种更贪婪的遗传算法。和他们一起玩。改变他们的交流行为和打包行为。你很快就会开始以一种完全不同的方式看待网络/图形编程。这是他们最大的好处,而不是大多数人认为的食谱。 你只需要玩它才能真正理解它;研究论文只能给出一个大致的天高理解。就像骑自行车一样,你只需要开始骑行。 :) 到目前为止,ACO是我最喜欢的图问题抽象。 |
|
|
3
3
《国家地理》写道 an interesting article 不久前,我们谈到了一些理论。 |
|
|
4
3
这些主题的最佳资源是 Google scholar 我研究蚁群优化算法已经有一段时间了,这里有一些很好的论文:
只是 search for "Ant Colony" on google scholar . 此外,搜索由发表的论文 Marco Dorigo . |
|
|
5
2
我很惊讶没有人提到ACO的圣经: Marco Dorigo & Thomas Stützle: Ant Colony Optimization 这本书是由ACO的作者写的,可读性很强。你可以把它带到海滩上,享受阅读的乐趣。但它也是所有资源中最完整的资源,在实施时可以作为参考。 你可以读一些 excerpts on Google Books 另一个伟大的智慧来源是 ACO Homepage |
|
|
6
1
请参阅示例 this article 在scholarpedia上。 这里也有讨论 What is the most efficient way of finding a path through a small world graph? 问题。 |
|
|
7
1
乍一看,这似乎与某种特殊情况密切相关(或预示) the Metropolis algorithm 这是另一个可能的搜索方向。 补充: This PDF file 其中引用了1953年的《大都会报》原始论文。 |
|
|
8
1
我找到了 Homepage of Eric Rollins 他对ACO算法的不同实现(Haskell、Scala、Erlang等)也很有帮助。 还有Enrique Alba的书,题为“并行元启发式:一类新的算法”,你可以在书中找到一整章关于蚁群算法及其不同用法的解释。 高 |
推荐文章