記事「母集団最適化アルゴリズム：蟻コロニー最適化(ACO)」についてのディスカッション

[MetaQuotes]

新しい記事「母集団最適化アルゴリズム：蟻コロニー最適化(ACO)」はパブリッシュされました:

今回は、蟻コロニー最適化アルゴリズムについて解析します。このアルゴリズムは非常に興味深く、複雑です。この記事では、新しいタイプのACOの作成を試みます。

ACOアルゴリズムは、群知能アルゴリズムの一種です。蟻コロニーの採餌過程をモデル化し、蟻コロニー内部のデータ転送機構を利用して、様々な環境下での最短経路を確立しています。経路上に残っているフェロモンの濃度が高いほど、蟻はこの経路を選択する可能性が高くなります。同時に、フェロモンの濃度は時間の経過とともに減少します。そのため、蟻のコロニーの行動により、蟻は常に学習し、フィードバック機構により最適化され、最短の採餌経路を決定しているのです。ACOアルゴリズムは、経路探索に広く用いられています。

Skinテスト関数のACO

Forestテスト関数のACO

Megacityテスト関数のACO

そろそろ結論を出します。従来の蟻コロニーアルゴリズムは、金融商品の取引における最適化問題には適用できません。しかし、その限界を回避するために、蟻コロニーアルゴリズムという全く新しい概念が登場し、ACOのさらなる発展を可能にしているのです。このようなアルゴリズムは、すでに巡回セールスマン問題など、さまざまな問題に適用することができます。

作者: Andrey Dik

[Vinicius Barenho Pereira]

メタヒューリスティック最適化技術に関する 記事は素晴らしいよ。あなたが私たちと共有している経験の多さには驚かされるよ！

メタヒューリスティック最適化のターゲットをオプティマイザーに実装することを検討してください！

OnTester()の中でユーザーが設定できるような簡単なものです：

OptimizerSetEngine("ACO"); // アントコロニー最適化
OptimizerSetEngine("COA")); // カッコウ最適化アルゴリズム
OptimizerSetEngine("ABC")); // 人工蜂コロニー
OptimizerSetEngine("GWO")); // グレーウルフ・オプティマイザ
OptimizerSetEngine("PSO")); // 粒子群最適化

ブラジルより