Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  ant colony optimisation
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote An improved ant algorithm for the triple matching problem
EN
In this article a new version of the ant colony optimisation algorithm with a desirability function for the triple matching problem is described. The problem is modelled by means of two 2-dimensional arrays. The new version of the ant algorithm was compared with the previous version of the ant algorithm and tested for different values of ant algorithm parameters; the results of these tests are presented and discussed.
PL
W artykule został przedstawiony w nowszej wersji algorytm mrówkowy wraz z funkcją pożądania dla problemu potrójnego zagadnienia dopasowania. Problem potrójnego dopasowania zaprezentowano przy pomocy tablic dwuwymiarowych. Algorytm mrówkowy został porównany ze starszą wersją algorytmu mrówkowego i przetestowany przy różnych wartościach parametrów algorytmu mrówkowego, a wyniki tych testów pokazano i omówiono.
2
Content available remote Ant colony optimisation algorithm for the facility localisation problem
EN
This article describes a new ant colony optimisation algorithm for the facility localisation problem with a new heuristic pattern proposed by the author, which consists of three parts: the function of the average cost of client servicing; the total minimum cost of servicing from a site, which is selected and included into the solution; the function of improving the cost of already serviced clients. In this comparison, simulations were presented, and two parameters were observed: the number of sites and the cost of client servicing. The new algorithm allowed to improve the solution in both of these parameters.
PL
W artykule przedstawiono algorytm mrówkowy dla problemu lokalizacji fabryk z nową zaproponowaną heurystyką wyboru obiektów i został on porównany z innym znanym już z literatury przedmiotu algorytmem mrówkowym. Nowa heurystyka wyboru została wyrażona jako iloraz trzech funkcji pożądania wyboru, to jest funkcji określającej średni koszt obsługi klientów poprzez włączaną lokalizację do rozwiązania, funkcję określająca całkowitą minimalną sumę obsługiwania klientów z włączanej do rozwiązania lokalizacji oraz funkcję określająca maksymalną minimalizację kosztów obsługiwania klientów poprzez włączaną lokalizację, gdy ci klienci są już obsługiwani przez lokalizacje wybrane do rozwiązania. W artykule przedstawiono wyniki przeprowadzonych testów pod kątem uzyskania jak najmniejszej liczby lokalizacji i jak najmniejszego kosztu obsługiwania klientów w funkcji rozmiaru problemu i natężenia obsługiwania klientów z danej lokalizacji.
PL
Celem każdej firmy jest obniżenie kosztów. Firmy związane z dystrybucją i transportem próbują opracować trasy swoich pojazdów, aby możliwie zminimalizować koszty i umożliwić dostarczenie ich towarów w wystarczająco krótkim czasie. W pracy przedstawiono rozwiązanie problemu komiwojażera poprzez optymalizację kolonią mrówek, następnie przeanalizowano dobór parametrów wejściowych dla tego algorytmu, aby znaleźć optymalne rozwiązanie tego problemu.
EN
The aim of each company is to lower costs. Companies associated with the distribution and transport are trying to develop a routes of their fleet vehicles to possibly minimize cost and allow their goods to be delivered in a sufficiently short time. The paper presents a solution to the traveling salesman problem by optimizing an ants colony, then the paper presents the analysis of input parameters selection for this algorithm to find the optimal solution to this problem.
4
Content available remote Ant colony optimization algorithm for the 0-1 knapsack problem
EN
This article describes a new ant colony optimisation algorithm for the discrete knapsack problem with a new heuristic pattern, based on the ratio of the square of the profit coefficient to the square of the weight coefficient of the original problem. This new heuristic is used in order to choose objects that should be packed into the knapsack. This pattern was compared with two used in ant algorithms and which have been presented in the literature on the subject of ant colony optimisation algorithms for the 0-1 Knapsack Problem. The two other patterns are based on the ratio of the profit coefficient to the weight coefficient multiplied respectively by the total and the current knapsack load capacity. Results of tests under a width range of ant algorithm parameters such as the number of cycles, the number of ants, the evaporation rate, and the load knapsack capacity are shown and discussed.
PL
W artykule przedstawiono algorytm mrówkowy dla dyskretnego problemu plecakowego z nową heurystyką wyboru obiektów i został on porównany z dwoma innymi algorytmami spotkanymi w literaturze przedmiotu pod względem uzyskiwanego całkowitego zysku z załadowanych do plecaka przedmiotów. Nowa heurystyka wyboru została wyrażona poprzez stosunek kwadratu zysku do kwadratu wagi wybranego przedmiotu, gdy dwie znane już heurystyki to stosunek zysku do wagi odpowiednio pomnożony przez całkowitą i bieżącą ładowność plecaka. W artykule przedstawiono wyniki przeprowadzonych testów dla szerokiego zakresu parametrów algorytmów mrówkowych takich jak: współczynnik parowania, liczba cykli, liczba mrówek, ładowności plecaka jak i dla różnej liczby dostępnych przedmiotów do załadunku.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.