1 / 30

Ant Colony Algorithm منيره شيخ حسيني پاييز 1390

Ant Colony Algorithm منيره شيخ حسيني پاييز 1390. فهرست مطالب. رفتار مورچه ها الگوريتم هاي کلوني مورچگان مزايا و معايب الگوريتم هاي کلوني مورچگان کاربرد هاي الگوريتم هاي کلوني مورچگان مقايسه ا لگوريتم هاي کلوني مورچگان با ساير روش ها براي مسئله فروشنده دوره گرد مراجع.

brent
Download Presentation

Ant Colony Algorithm منيره شيخ حسيني پاييز 1390

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Ant Colony Algorithm منيره شيخ حسيني پاييز 1390

  2. فهرست مطالب • رفتار مورچه ها • الگوريتم هاي کلوني مورچگان • مزايا و معايب الگوريتم هاي کلوني مورچگان • کاربرد هاي الگوريتم هاي کلوني مورچگان • مقايسه ا لگوريتم هاي کلوني مورچگان با ساير روش ها براي مسئله فروشنده دوره گرد • مراجع

  3. رفتار مورچه ها • اجتماعي بودن: • زندگي درکلوني هاي 30 ميليوني • رفتار در جهت بقاء کلوني • رفتار جمعي مورچه ها : • رفتار جستجو کننده ي غذا (جستجوگرانه) • تقسيم کار • ساماندهي گورستان و مراقبت از فرزندان

  4. رفتار مورچه ها (پيشگامان) • Marais (1872-1936) : کلوني موريانه ها ← انتشار روح مورچه • Maeterlinck (1862 -1949): انتشار زندگي مورچه سفيد • Grass´e (1959): مطالعه روي لانه سازي موريانه ها وتعيين نوعي از ارتباط غيرمستقيم بين اعضا به نام stigmergy • Deneubourg و همکاران(1990) : مطالعه بر روي ارتباط فرومون به عنوان مثالي از stigmergy • Dorigo (1992): ارائه اولين مدل الگوريتمي از رفتار جستجو گرانه براي غذا

  5. رفتار مورچه ها (تقسيم کار) • در کلوني حشرات وظايفي انجام مي شود: مراقبت از جوان ترها، جستجوي غذا، ساماندهي گورستان،دفع زباله ودفاع • اختصاص وظايف وهمکاري بدون کنترل مرکزي • پاسخ دهي اعضا به نشان هاي ساده ي محلي: تعامل با ديگران ، سيگنال هاي شيميايي • تخصيص وظايف به صورت ديناميک • تغيير وظايف در صورت درخواست شرايط محيطي • علاقه ي افراد هم سن به انجام وظايف يکسان

  6. رفتار مورچه ها (ساماندهي گورستان ومراقبت ازفرزندان) • ساماندهي گورستان: • خوشه بندي اجساد به منظور شکل دهي گورستان • جستجوي تصافي هرمورچه به تنهايي در هنگام برداشتن يا گذاشتن اجساد • تصميم برداشتن يا گذاشتن اجساد براساس اطلاعات محلي درموقعيت فعلي مورچه • ايجاد يک خوشه بندي پيچيده از رفتارهاي ساده ي بيان شده • مراقبت از فرزندان : • نگه داري لاروها به گونه اي که سنين مختلف در رينگ هاي متفاوت قرار گيرند • کوچکترها در مرکز وبزرگترها دراطراف

  7. رفتار مورچه ها (جستجو گرانه) • موجوداتي کور، بي حافظه و بسيار کم هوش • پيداکردن کوتاهترين مسير از لانه تاغذا وبرعکس • ارتباط غير مستقيم از طريق دنبال کردن فرومون • مطالعات اوليه روي رفتار جستجو گرانه : • الگوي اوليه براساس جستجوي تصادفي • ساماندهي بيشتر با پيداشدن منبع غذا • دنبال کردن مسير هاي يکسان توسط اکثر مورچه ها • به صورت جادويي و خودکار، دنبال کردن کوتاهترين مسير توسط اکثر مورچه ها 7

  8. رفتار مورچه ها (جستجو گرانه) • فيدبک مثبت: • به جا گذاشتن فرومون در حين جستجو • مسيرهاي با غلظت فرومون بيشتر← احتمال انتخاب شدن بالاتر • Stigmergy : • ارتباط غير مستقيم مورچه ها در تطبيق با محيط با به جا گذاري فرومون براي تحت تاثيرقراردادن رفتار ديگر اعضا • فيدبک منفي: • تبخير فرومون در طول زمان← احتمال کشف مسيرجديد 8

  9. رفتار مورچه ها (جستجو گرانه) آزمايشات پل : Goss و همکاران(1989) 9

  10. رفتار مورچه ها (جستجو گرانه) آزمايشات پل : Goss و همکاران(1989) • غلظت زياد فرومون روي مسير بلند • تبخير آرام فرومون 10

  11. الگوريتم هاي کلوني مورچگان • شباهت مورچه هاي واقعي و مورچه هاي مصنوعي: • مجموعه اي از اعضاي همکار • ردپاي فروموني براي ارتباط stigmergy • دنباله اي از حرکات محلي براي پيداکردن کوتاهترين مسير • سياست تصميم گيري تصادفي با استفاده از اطلاعات محلي 11

  12. الگوريتم هاي کلوني مورچگان • تفاوت مورچه هاي واقعي و مورچه هاي مصنوعي: • حالت دروني: حافظه اي از فعاليت هاي قبلي مورچه • فرومون مصنوعي : تابعي از کيفيت پاسخ پيدا شده • موانع ساختگي: تغيير دادن جزئيات مسأله براي بررسي الگوريتم و رسيدن به جوابهاي متنوع • حيات در محيط گسسته: مورچههاي واقعي نميتوانند جدا از کلوني به حيات خود ادامه دهند 12

  13. الگوريتم هاي کلوني مورچگان مدل تصادفي: احتمال آن که مورچه ي بعدي مسير A را انتخاب نمايد : nA(t)وnB(t) : تعداد مورچه هايي که در زمان tدرمسيرA وBقراردارند c: درجه جذب براي يک مسير ناشناخته : c بزرگتر← مقدار فرومون بيشتر براي عدم انتخاب مسير تصادفي α : باياس به سمت فرومون به جا مانده در روند تصميم گيري 13

  14. الگوريتم هاي کلوني مورچگان (SACO) SACO: Simple Ant Colony Optimization • اجراي الگوريتمي آزمايشات پل • مسئله کلي پيدا کردن کوتاهترين مسير بين دوگره: 14

  15. الگوريتم هاي کلوني مورچگان (SACO) 15

  16. الگوريتم هاي کلوني مورچگان (SACO) ساخت مسير: • در هر تکرار، هر مورچه به صورت تدريجي يک مسير(راه حل) مي سازد • در گره i، مورچه ي k گره jرا که در همسايگي گره i (مجموعه ي گره هاي امکان پذير متصل به گرهi) را با احتمال زير انتخاب مي کند : : همسايگي گره i براي مورچه k • اگر همسايگي گره i تهي باشد، گره قبل از گره i به همسايگي اضافه مي شود • حلقه ها درصورت رسيدن به گره مقصد حذف مي شوند 16

  17. الگوريتم هاي کلوني مورچگان (SACO) تبخير فرومون: • براي بهبود قابليت جستجو و جلوگيري از همگرايي زودرس: • ρنرخ تبخير← مورچه ها تصميمات قبلي خود را ” فراموش ” کنند • ρبزرگتر: جستجوي بيشتر، جستجوي تصادفي تر بروزرساني فرومون: :طول مسير ساخته شده توسط مورچه k در زمان t nk:تعداد مورچه ها 17

  18. الگوريتم هاي کلوني مورچگان (ACOA) ACOA: Ant Colony Optimization Algorithms 18

  19. الگوريتم هاي کلوني مورچگان (AS) احتمال انتقال: • τij : شدت فرومون • ηij : مطوبيت حرکت (اطلاعات اکتشافي) : باياس به سمت جذاب ترين راه حل • α=0 : • صرف نظر از جستجوي قبلي • جستجوي تصادفي • β=0 : • صرف نظر از جذاب بودن حرکت • الگوريتم جستجو شبيه SACO 19

  20. الگوريتم هاي کلوني مورچگان (AS) تغييرات فرومون : 20

  21. الگوريتم هاي کلوني مورچگان (AS) 21

  22. الگوريتم هاي کلوني مورچگان (Elitist AS) • بهترين مورچه ها نسبتي از فرومون خود را به شدت فرومون اضافه مي کنند: : بهترين مسير فعلي e: تعداد مورچه هاي نخبه • هدف: هدايت جستجوي همه مورچه ها براي ساخت راه حل شامل لينک به بهترين مسير فعلي باشد 22

  23. الگوريتم هاي کلوني مورچگان (ACS) ACS: Ant Colony System • تفاوت ACS و AS : • قانون انتقال مورد استفاده • تعريف قانون بروزرساني فرومون متفاوت • معرفي بروزرساني محلي فرومون • معرفي ليست کانديد از گره هاي مورد توجه 23

  24. الگوريتم هاي کلوني مورچگان (Max-Min AS) • AS در مسائل پيچيده دچار رکود زودرس مي شود • Max-Min AS براي رفع اين مشکل AS توسعه يافت • تفاوت Max-Min AS و AS: • محدود کردن شدت فرومون را در فواصل مشخص • تقويت فرومون فقط توسط بهترين مورچه • تنظيم فرومون اوليه به حداکثر مقدارمجاز • استفاده از يک مکانيزم آرام کردن شدت فرومون 24

  25. مزايا ومعايب الگوريتم هاي کلوني مورچگان • مناسب براي مسائلي با ساختار ديناميک مي تواند • مناسب براي مسائل گسسته که نمي توان از گراديان در آنها استفاده کرد • وابستگي کم به حل اوليه • تضمين همگرايي • امکان کند بودن سرعت هگرايي • نياز به حافظه بزرگ :به جاي ذخيره اطلاعات نسل قبل بايد اطلاعات کل کلوني را ذخيره شود 25

  26. کاربردها الگوريتم هاي کلوني مورچگان 26

  27. مقايسه با ديگر رو ش ها در حلTSP The optimum value is by length of 4.6245 Generation # 110 The total distance: 4.6149 GA ACO iteration:110 Chromosomes:200 crossover probability: 0.75 mutation probability: 0.009 best distance :4.6149 Iteration:2500 Ants:250 for each iteration evaporation coefficient:0.9 best distance:4.6245 27

  28. مقايسه با ديگر رو ش ها در حلTSP 28

  29. مراجع • Ant Colony Optimization, Marco Dorigo and Thomas Stützle,2003 • Ant Algorithms for Discrete Optimization, Marco Dorigo , Gianni Di Caro and Luca M. Gambardella,1999 • Computational Intelligence, Second Edition, Poole et al,2007 • A New Rank Based Version of The Ant System-A Computational study, Bernd Bullnheimer, Richard F.Hartl and Christine Straub,1997 • Ant Colony versus Genetic Algorithm based on Travelling Salesman Problem, Mohammed Alhanjouri and Belal Alfarra,2011

  30. با تشکر از توجه شما

More Related