Hybrydowy algorytm mrówkowy wykorzystujący algorytm genetyczny do wyznaczania trasy w systemie nawigacji

• Autorzy: Komar D.

Warianty tytułu

EN

A hybrid ant algorithm using genetic algorithm to determine the route in navigation system

• Języki publikacji: PL

Abstrakty

PL

Artykuł ma na celu zaprezentowanie nowej implementacji hybrydowego algorytmu mrówkowego, który do rozwiązywania postawionego problemu wyznaczenia optymalnej trasy przejazdu będzie wykorzystywał również algorytm genetyczny. Autor przedstawi wyniki symulacji przeprowadzonej na podstawie rzeczywistych danych, ukazując znaczny wzrost efektywności rozwiązywania problemu. Otrzymane wyniki wykazały, że nowy algorytm wyznaczał w większej liczbie przypadków znacznie krótszy czas przejazdu, a tym samym redukował występujące czynniki zakłócające i negatywnie wpływające na osobę kierującą pojazdem.

EN

The purpose of this paper is to present the new implementation of a hybrid ant algorithm that will also use a genetic algorithm in order to solve the problem consisting in optimal route calculation. The author will present results of simulations that were performed based on real data and showed a significant increase of problem solution effectiveness. The obtained results proved that the new algorithm determined in more number of cases a significantly shorter journey time and in consequence reduced the occurring confounding factors which had a negative impact on the person driving a vehicle.

Słowa kluczowe

PL

algorytm mrówkowy; algorytm genetyczny; system nawigacji

EN

ant algorithm; genetic algorithm; navigation system

• Wydawca: Wrocławska Wyższa Szkoła Informatyki Stosowanej "Horyzont"
• Czasopismo: Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka
• Rocznik: 2013
• Tom: vol. 3
• Strony: 23--27
• Opis fizyczny: Bibliogr. 5 poz., rys.

Twórcy

autor

Komar D.

• Wydział Informatyki, Wrocławska Wyższa Szkoła Informatyki Stosowanej, ul. Wejherowska 28, 54-239 Wrocław

Bibliografia

• [1] J. Bąk, Psychologiczne badania kierowców. Bezpieczeństwo pracy nr 6, pp.12-15, 2004.
• [2] M. Dorigo, L. M. Gambardella, Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem, IEEE Transactions on Evolutionary Computation, Vol.1, No.1, pp.53-66, 1997.
• [3] M. Dorigo, T. Stützle, Ant Colony Optimization, MIT Press, Cambridge 2004.
• [4] M. Mitchell, An Introduction to Genetic Algorithms, MIT Press, Cambridge 1999.
• [5] R. L. Haupt, S. E. Haupt, Practical Genetic Algorithms, 2nd Edition, John Wiley & Sons 2004.