Wpływ parametrów algorytmu mrówkowego na efektywność połączeń w sieciach

• Autorzy: Iżuk Beata , Piechowiak Maciej

Identyfikatory

DOI

10.5281/zenodo.4345140

Warianty tytułu

EN

The impact of Ant Colony Optimization parameters on the connections efficiency in networks

• Języki publikacji: PL

Abstrakty

PL

W artykule zdefiniowano algorytm mrówkowy ACO, jego miejsce wśród dziedzin sztucznej inteligencji oraz przedstawiono jego przykładowy przebieg. Scharakteryzowano także parametry algorytmu mrówkowego i przeprowadzono testy zachowania mrówek w przykładowych grafach. W szczególności omówiono wpływ każdego parametru na sposób wyznaczania najkrótszych ścieżek w grafach o różnych rozmiarach. Badania symulacyjne przedstawiono dla czterech zestawów parametrów ACO.

EN

The article defines Ant Colony Optimization algorithm (ACO), its place among the fields of artificial intelligence and an example of its implementation was presented. The crucial parameters of the algorithm were also characterized and tests of ant behavior in sample graphs were carried out. In particular, the influence of each parameter on the method determining the shortest paths in graphs of various sizes was discussed. Simulation tests were presented for four sets of ACO parameters.

Słowa kluczowe

PL

algorytm mrówkowy; badania symulacyjne; najkrótsze ścieżki w grafie; optymalizacja sieci

EN

Ant Colony Optimization; computer simulations; shortest path in graph; network optimization

• Wydawca: Instytut Informatyki Uniwersytet Kazimierza Wielkiego
• Czasopismo: Studia i Materiały Informatyki Stosowanej
• Rocznik: 2020
• Tom: nr 2
• Strony: 4--9
• Opis fizyczny: Bibliogr. 18 poz., rys.

Twórcy

autor

Iżuk Beata

• Uniwersytet Kazimierza Wielkiego, Dział Informatyzacji, Chodkiewicza 30, 85-064 Bydgoszcz

autor

Piechowiak Maciej

• Uniwersytet Kazimierza Wielkiego, Instytut Informatyki, Chodkiewicza 30, 85-064 Bydgoszcz

Bibliografia

• [1] Szawdyński, P. (2005-2019). problem NP-trudny - Znalezienie rozwiązania problemu nie jest możliwe ze złożonością obliczeniową wielomianową. (pojęcie). Pobrano z lokalizacji Serwis programistyczny C/C++: http://cpp0x.pl/dokumentacja/problem-NP-Trudny/1219.
• [2] Duch, W. (2006, 03 14). Dokąd zmierza inteligencja obliczeniowa? Pobrano z lokalizacji Katedra Informatyki Stosowanej, Uniwersytet Mikołaja Kopernika: https://fizyka.umk.pl/publications/kmk/03-CI-przyszlosc.pdf.
• [3] Dul, F. (2014). POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA. Pobrano z lokalizacji WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586: https://docplayer.pl/15447888- Wprowadzenie-do-sztucznej-inteligencji.html.
• [4] Horzyk, A. (2013/2014). Akademia GórniczoHutniczaWydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej. Pobrano z lokalizacji METODY ROZWIĄZYWANIA PROBLEMÓW ORAZ MODELOWANIE WIEDZY I INTELIGENCJI W INFORMATYCE: http://home.agh.edu.pl/~horzyk/lectures/wdi/WDIWiedzaInteligencja.pdf.
• [5] Wikipedia. (2020, 1 2). Metaheuristic. Pobrano z lokalizacji Wikipedia, the free encyclopedia: https://en.wikipedia.org/wiki/Metaheuristic.
• [6] Sołtys, K. (2008, 05). Mrówki, czyli piękno metaheurystyk. Pobrano z lokalizacji deltami.edu.pl: http://www.deltami.edu.pl/temat/matematyka/zastosowania/2 010/12/16/Mrowki_czyli_piekno_metaheuryst/.
• [7] Wikipedia. (2018, 6 23). Obliczenia inteligentne. Pobrano z lokalizacji Wikipedia, the free encyclopedia: https://pl.wikipedia.org/wiki/Obliczenia_inteligentne.
• [8] Glebema. (2017, 06 19). KONFERENCJA 2017: SZTUCZNA INTELIGENCJA W PRAKTYCZNYCH ZASTOSOWANIACH. Pobrano z lokalizacji Glebema: https://www.globema.pl/konferencja-globemy-2017- sztuczna-inteligencja-w-praktycznych-zastosowaniach/.
• [9] Oracle. (brak daty). Sztuczna inteligencja (SI) od Oracle — czym jest sztuczna inteligencja? Pobrano z lokalizacji Czym jest sztuczna inteligencja?: https://www.oracle.com/pl/artificial-intelligence/what-isartificial-intelligence.html.
• [10] Glebema. (2017, 06 19). KONFERENCJA 2017: SZTUCZNA INTELIGENCJA W PRAKTYCZNYCH ZASTOSOWANIACH. Pobrano z lokalizacji Glebema:https://www.globema.pl/konferencja-globemy2017-sztuczna-inteligencja-w-praktycznych-zastosowaniach/.
• [11] Flasiński, M. (2011). Wstęp do sztucznej inteligencji. Warszawa: Wydawnictwo Naukowe PWN.
• [12] Dorigo, M., Birattari, M. i Stützle, T. (2006, 09). IEEE COMPUTATIONAL INTELLIGENCE MAGAZIN. Pobrano z lokalizacji Ant Colony Optimization – Artificial Ants as a Computational Intelligence Technique: https://courses.cs.ut.ee/all/MTAT.03.238/2011K/uploads/Ma in/04129846.pdf.
• [13] Bullnheimer, B., F.Hartl, R. i StrauB, C. (1997, 06). A New Rank Based Version of the Ant System - A Computational Study. Pobrano z lokalizacji Wirtchaftsuniversitat Wien:https://epub.wu.ac.at/616/1/document.pdf.
• [14] Karmakar, R. B., Mitra, R. B., Dey, A. B., Chakraborty, V. B. i Nayak, A. B. (2016). Solving TSP Using Improved Elitist - Ant System Based on Improved Pheromone - Strategy and Dynamic Candidate List. Pobrano z lokalizacji MAYFEB Journal of Electrical and Computer Engineering Vol 2 - Pages 8-15: http://webcache.googleusercontent.com/search?q=cache:Gg0 YaTyQ0awJ:www.mayfeb.com/OJS/index.php/CON/article/ download/543/221+&cd=6&hl=pl&ct=clnk&gl=pl&client=f irefox-b-d.
• [15] Boryczka, U. (2006). Algorytmy optymalizacji mrowiskowej. Katowice: Wydawnictwo Uniwersytetu Śląskiego.
• [16] http://people.idsia.ch/%7Eluca/ij_23-alife99.pdf.
• [17] Jakubowska, A. i Piechocka, K. (2015). W POSZUKIWANIU OPTYMALNEJ TRASY – WYBRANE ALGORYTMY W ZASTOSOWANIU DO PROBLEMU KOMIWOJAŻERA. Pobrano z lokalizacji JOURNAL OF TRANSLOGISTICS: http://translogistics.pl/files/jtl/2015/R1.pdf.
• [18] Graziani, R. i Johnson, R. (2008). Akademia sieci Cisco, CCNA Exploration, Semestr 2, Protokoły i koncepcje routingu. Warszawa: Wydawnictwo Naukowe PWN.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).