La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Improved Clonal Selection Algorithm Combined with Ant Colony Optimization Algorithme de sélection clonale amélioré combiné à l’optimisation des colonies de fourmis

Shangce GAO, Wei WANG, Hongwei DAI, Fangjia LI, Zheng TANG

  • Vues en texte intégral

    0

  • Citer

Résumé:

L’algorithme de sélection clonale (CSA) et l’optimisation des colonies de fourmis (ACO) s’inspirent de phénomènes naturels et constituent des outils efficaces pour résoudre des problèmes complexes. CSA peut exploiter et explorer l’espace de solutions de manière parallèle et efficace. Cependant, il ne peut pas utiliser suffisamment d'informations de retour sur l'environnement et doit donc effectuer une répétition de redondance importante pendant la recherche. D'autre part, l'ACO est basé sur le concept de processus de recherche de nourriture coopératif indirect via la sécrétion de phéromones. Sa capacité de rétroaction positive est agréable mais sa vitesse de convergence est lente à cause du peu de phéromones initiales. Dans cet article, nous proposons un phéromone-linker pour combiner ces deux algorithmes. La sélection clonale hybride et l’optimisation des colonies de fourmis proposées (CSA-ACO) utilisent raisonnablement les supériorités des deux algorithmes et surmontent également leurs inconvénients inhérents. Les résultats de simulation basés sur les problèmes du voyageur de commerce ont démontré le mérite de l'algorithme proposé par rapport à certaines techniques traditionnelles.

Publication
IEICE TRANSACTIONS on Information Vol.E91-D No.6 pp.1813-1823
Date de publication
2008/06/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1093/ietisy/e91-d.6.1813
Type de manuscrit
PAPER
Catégories
Biocybernétique, Neuroinformatique

Auteurs

Mots-clés

Table des matières