مقاله مروری: پژوهش ها و پیاده سازی های اخیر مبتنی بر بهینه سازی کلونی مورچه در زمینه های متعدد مهندسی

A survey: Ant Colony Optimization based recent research and implementation on several engineering domain

a b s t r a c t

Ant Colony Optimization (ACO) is a Swarm Intelligence technique which inspired from the foraging behaviour of real ant colonies. The ants deposit pheromone on the ground in order to mark the route for identification of their routes from the nest to food that should be followed by other members of the colony. This ACO exploits an optimization mechanism for solving discrete optimization problems in various engineering domain. From the early nineties, when the first Ant Colony Optimization algorithm was proposed, ACO attracted the attention of increasing numbers of researchers and many successful applications are now available. Moreover, a substantial corpus of theoretical results is becoming available that provides useful guidelines to researchers and practitioners in further applications of ACO. This paper review varies recent research and implementation of ACO, and proposed a modified ACO model which is applied for network routing problem and compared with existing traditional routing algorithms.

دانلود رایگان مقاله انگلیسی                   372.67 KB

چکیده
بهینه سازی کلونی مورچه (ACO) یک تکنیک هوش گروهی است که از رفتار تغذیه ی کلونی های مورچه واقعی الهام گرفته است. مورچه ها به منظور علامت گذاری مسیر برای شناسایی مسیرهایشان از لانه تا غذایی که باید توسط سایر اعضای کلونی دنبال شوند، روی زمین فرومون برجای می گذارند. این ACO از مکانیزم بهینه سازی برای حل مسائل بهینه سازی گسسته در انواع حیطه های مهندسی استفاده می کند. از اوایل دهه نود، زمانیکه اولین الگوریتم بهینه سازی کلونی مورچه پیشنهاد شد، ACO توجه زیادی از سوی محققان بخود جلب کرد و کاربردهای موفق زیادی امروزه دردسترس می باشند. بعلاوه، مجموعه ی قابل توجه نتایج تئوری دردسترس می گردد که راهنمایی های مفیدی برای محققان و کارورزان در کاربردهای دیگر ACO فراهم می سازد. این مقاله انواع پژوهش ها و پیاده سازی اخیر ACO را مرور کرده و یک مدل ACO اصلاح شده پیشنهاد می کند که برای مسئله ی مسیریابی شبکه استفاده می شود و با الگوریتم های مسیریابی موجود مقایسه می شود.

تعداد صفحات مقاله انگلیسی: 10 صفحه
تعداد صفحات مقاله فارسی: 28 صفحه