Ant Colony Optimization

1
Ant Colony Optimization
Virtuelle Ameisen als Software-Agentenzur
Bewältigung komplexer Probleme
2
Optimierung mit Ameisen
Dokument-Version 1.2
Autor Marc BuféDiese Vortragsfolien entstanden
im Rahmen des SeminarsSoftcomputing im
Sommersemester 2000 an der Fakultät Informatik,
Universität Stuttgart, GermanyFolien,
Ausarbeitung und Algorithmus sind zu finden
unter http//fly.to/airport
3
Natur als Vorbild

• Ameisen
• Kolonien
• Koordination
• Kooperation
• Schwarmintelligenz

4
Futtersuche in Natura
Nutzung Tour A-B-C-D-E steigt, A-B-H-D-E fällt -
mit Zeit
5
Mehragent-System
Wie in die Informatik übertragen?

• Ameise ltgt Ein Agent
• Kolonie ltgt Alle Agenten
• Bewertung von Teillösungen
• Kooperation
• Verflüchtigung

6
Futtersuche im Graphen
Zwecks Übersichtlichkeit hier nur 2 mögl. Wege
berücksichtigt!
A
B
C
D
E
F
7
Futtersuche mit Agenten
15
15
20
10
15
15
10
20
8
Erweiterungen

• Markierung abhängig von Weglänge
• Hintergrundspeicher
• Umgebungswissen
• Daemon

9
Sub-optimale Lösungen

• Gründe hierfür
• zu langsame Verflüchtigung
• ungeeignete Parameterwahl
• zu wenige Ameisen

10
Parameterwahl
a Gewichtung für Markierungb Gewichtung für
Knotennähe
Oliver30, NCMAX2500

? Sehr gute Lösungen? Keine StagnationØ
Stagnation
11
Ant-System (AS) Modelle
a Gewichtung für Markierungb Gewichtung für
Knotennäher Verflüchtigungsfaktor
Ergebnis für 10 gemittelte DurchläufeOliver30,
NCMAX 5000
12
Ant-Cycle auf TSP

• Tabu List
• Random Walk
• Prioritäten
• Rücklauf und längenabhängige Bewertung

5
1
4
1
1
3
2
13
Tabu List
n Anzahl Städte Eine Tourm Anzahl
Ameisenk Index einer Ameises Zeiger in
TabuList (momentane Stadt)
Für jede Iteration innerhalb eines
Ant-CycleTrage für jede Ameise k die besuchte
Stadt ein
For k 1 to m do insert town of ant k in
Tabuk(s) od
14
Random Walk Prioritäten
i,j Kante zwischen Knoten i,jnij
1/Distanz(i,j)a Gewichtung für Markierungenb
Gewichtung für Knotennähe
allowedk für k auf i erlaubte adjazente
unbesuchte Städte
Aus Ant-Routing-Table
Übergangswahrscheinlichkeit von Stadt i nach j
für Ameise k
15
Rücklauf und Bewertung
i,j Kante zwischen Knoten i,jtij (t)
Markierung zur Zeit tr Verflüchtigung je
(t,tn)
Q/Lk Const/Tourlänge Ameise k
Mit Tabu List,Ant-Routing-Table
Mark_delta Summe der Markierungen für alle
Ameisen k,die Kante (i,j) passiert haben
Markierung nach Tour Verflüchtigung Mark_alt
Mark_delta
16
10-Cities-Problem CCA0
AS-Markierungsverteilung nach Start und nach 100
Zyklen
17
Oliver30 Problem
Zyklen 342Länge 420
a 1b 5r 0.5
18
Kantenbesuche je Knoten
Typische Läufe mit Ant-Cycle auf Oliver30
Guter Lauf
Stagnationsverhalten (a5, b2)
19
Vergleich ACO vs EA
20
Zusammenfassung

• Kombination von Teillösungen
• Positive Rückkopplungsschleife
• Vergessen fördert Exploration
• Selbstadaption - ohne Reinitialisierung!
• Geeignet für (A)TSP, Routing...

21
Mehr Ameisen

• Marco Dorigo IRIDIA, Université Libre de
  Bruxelles
• Spektrum der Wissenschaft Ausgabe 05/2000
• Ant Cam http//www.discovery.com/cams/ant/antm
  ain.html