DOI QR코드

DOI QR Code

Ant Colony System Considering the Iteration Search Frequency that the Global Optimal Path does not Improved

전역 최적 경로가 향상되지 않는 반복 탐색 횟수를 고려한 개미 집단 시스템

  • 이승관 (경희대학교 국제캠퍼스 학부대학) ;
  • 이대호 (경희대학교 국제캠퍼스 학부대학)
  • Published : 2009.01.31

Abstract

Ant Colony System is new meta heuristic for hard combinatorial optimization problem. The original ant colony system accomplishes a pheromone updating about only the global optimal path using global updating rule. But, If the global optimal path is not searched until the end condition is satisfied, only pheromone evaporation happens to no matter how a lot of iteration accomplishment. In this paper, the length of the global optimal path does not improved within the limited iterations, we evaluates this state that fall into the local optimum and selects the next node using changed parameters in the state transition rule. This method has effectiveness of the search for a path through diversifications is enhanced by decreasing the value of parameter of the state transition rules for the select of next node, and escape from the local optima is possible. Finally, the performance of Best and Average_Best of proposed algorithm outperforms original ACS.

개미 집단 시스템은 조합 최적화 문제를 해결하기 위한 메타 휴리스틱 탐색 방법이다. 기존 개미 집단시스템은 전역갱신과정에서 탐색된 전역 최적 경로에 대해서만 페로몬 갱신을 수행하는데, 전역 최적 경로가 탐색되지 않으면 페로몬 증발만 일어나며 주어진 종료 조건을 만족할 때까지 아무리 많은 반복 수행에도 페로몬 강화가 일어나지 않는다. 본 논문에서 제안된 개선된 개미 집단시스템은 전역 최적 경로의 길이가 주어진 반복 사이클 횟수 동안 더 이상 향상되지 못하면 국부최적에 빠졌다고 평가하고 상태전이 규칙에서 파라미터 감소를 통해 다음 노드를 선택하게 하였다. 이로 인해, 상태전이 규칙에서 파라미터 감소에 의한 다양화 전략으로 탐색하는 결과가 최적 경로 탐색뿐만 아니라, 평균 최적 경로 탐색과 평균 반복횟수의 성능이 우수함을 보여 주었으며, 실험을 통해 그 성능을 평가하였다.

Keywords

References

  1. L. M. Gambardella, and M. Dorigo, "Ant Colony System : A Cooperative Learning approach to the Traveling Salesman Problem," IEEE Transactions on Evolutionary Computation, Vol. 1, No. 1, 1997.
  2. M. Dorigo, and L.M. Gambardella, "Ant Colonies for the Traveling Salesman Problem," BioSystems, 43, PP.73-81. 1997. https://doi.org/10.1016/S0303-2647(97)01708-5
  3. 정의현, "개미 집단 최적화를 이용한 무선 센서 네트워크의 라우팅 알고리즘," 한국컴퓨터정보학회논문지, 제 12권, 제 5호, 131-137쪽, 2007년 11월.
  4. 이승관, "멀티캐스트 라우팅 문제 해결을 위한 엘리트 개미 시스템," 한국컴퓨터정보학회논문지, 제 13권, 제 3호, 147-152쪽, 2008년 5월.
  5. C. Blum, "Ant colony optimization: Introduction and recent trends," Physics of Life Reviews, 2(4), pp.353-373, 2005. https://doi.org/10.1016/j.plrev.2005.10.001
  6. M. Dorigo, L.M. Gambardella, M. Middendorf, and T. Stutzle, "Ant Colony Optimization," Vol. 6, No. 4, IEEE Transactions on Evolutionary Computation, July 2002.
  7. M. Dorigo, and C. Blum, "Ant Colony Optimization Theory: A Survey," Theoretical Computer Science, 344(2-3), pp.243-278, 2005. https://doi.org/10.1016/j.tcs.2005.05.020
  8. M. Dorigo, M. Birattari, and T. Stutzle, "Ant Colony Optimization - Artificial Ants as a Computational Intelligence Technique," IEEE Computational Intelligence Magazine, 2006.
  9. M. Dorigo, and T. Stutzle, "The Ant Colony Optimization Metaheuristic: Algorithms, Applications, and Advances," Handbook of Metaheuristics, pp. 250-285, 2002.
  10. M. Dorigo, and K. Socha, "An Introduction to Ant Colony Optimization," Approximation Algorithms and Metaheuristics, CRC Press, 2007.
  11. M. Randall, and E. Tonkes, "Intensification and Diversification Strategies in Ant Colony System," Complexity International, Vol. 9, 2002.
  12. R. Sun, S. Tatsumi, and G. Zhao, "Multiagent Reinforcement Learning Method with An Improved Ant Colony System," 2001 IEEE International Conference Systems, Man, and Cybernetics, pp.1612-1617, 2001.
  13. 이승관, 정태충, "강화와 다양화의 조화를 통한 협력 에이전트 성능 개선에 관한 연구," 전자공학회논문지, 제 40권, CI편, 제 6호, 87-94쪽, 2003년 11월.
  14. 김인겸, 윤민영, "방문판매원 문제에 적용한 개선된 개미 군락 시스템," 한국정보처리학회논문지B, 제 12권, 제 7호, 823-828쪽, 2005년 12월.
  15. TSPLIB, http://elib.zib.de/pub/Packages/mp-testdata/tsp/tsplib/tsplib.html