Return to search

Ant Colony Optimization Algorithms : Pheromone Techniques for TSP / Ant Colony Optimization Algoritmer : Feromontekniker för TSP

Ant Colony Optimization (ACO) uses behaviour observed in real-life ant colonies in order to solve shortest path problems. Short paths are found with the use of pheromones, which allow ants to communicate indirectly. There are numerous pheromone distribution techniques for virtual ant systems and this thesis studies two of the most well known, Elitist and Max-Min. Implementations of Elitist and Max-Min ACO algorithms were tested using instances of the Traveling Salesman Problem (TSP). The performance of the different techniques are compared with respect to runtime, iterations and approximation quality when the optimal solution could not be found. It was found that the Elitist strategy performs better on small TSP instances where the number of possible paths are reduced. However, Max-Min proved to be more reliable and better performing when more paths could be chosen or size of the instances increased. When approximating solutions for large instances, Elitist was able to achieve high quality approximations faster than Max-Min. On the other hand, the overall quality of the approximations were better when Max-Min was studied after a slightly longer runtime, compared to Elitist. / Ant Colony Optimization (ACO) drar lärdom av beteende observerat hos riktiga myror för att lösa kortaste vägen problem. Korta vägar hittas med hjälp av feromoner, som tillåter myror att kommunicera indirekt. Det finns flera tekniker för att distribuera feromoner i virtuella myr-system och denna rapport kommer studera två av de mest kända, Elitist och Max-Min. Implementationer av Elitist och Max-Min ACO algoritmer testades med instanser av Handelsresandeproblemet (TSP). Prestandan hos de olika teknikerna jämförs med avseende på körtid, iterationer och approximeringskvalité när den optimala lösningen inte kunde hittas. Det konstaterades att Elitist strategin fungerar bättre på små TSP instanser där antalet möjliga stigar är begränsade. Däremot visade det sig Max-Min vara bättre och mer pålitlig när instansernas storlek ökades eller när fler stigar kunde väljas. När lösningar approximerades för stora instanser kunde Elitist uppnå approximationer med god kvalité snabbare än Max-Min. Däremot var den generella kvalitén hos approximationerna bättre när Max-Min studerades efter en lite längre körtid, jämfört med Elitist.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-208374
Date January 2017
CreatorsKollin, Felix, Bavey, Adel
PublisherKTH, Skolan för datavetenskap och kommunikation (CSC)
Source SetsDiVA Archive at Upsalla University
LanguageEnglish
Detected LanguageEnglish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds