• Journal of Information Processing Systems
• /
• 제16권5호
• /
• pp.1169-1182
• /
• 2020

The ant colony optimization (ACO) algorithm is a classical metaheuristic optimization algorithm. However, the conventional ACO was liable to trap in the local minimum and has an inherent slow rate of convergence. In this work, we propose a novel combinatorial ACO algorithm (CG-ACO) to alleviate these limitations. The genetic algorithm and the cloud model were embedded into the ACO to find better initial solutions and the optimal parameters. In the experiment section, we compared CG-ACO with the state-of-the-art methods and discussed the parameter stability of CG-ACO. The experiment results showed that the CG-ACO achieved better performance than ACO_R, simple genetic algorithm (SGA), CQPSO and CAFSA and was more likely to reach the global optimal solution.

• 대한산업공학회지
• /
• 제33권4호
• /
• pp.447-456
• /
• 2007

The ant colony optimization (ACO) is a probabilistic Meta-heuristic algorithm which has been developed in recent years. Originally ACO was used for solving the well-known Traveling Salesperson Problem. More recently, ACO has been used to solve many difficult problems. In this paper, we develop an ant colony optimization method to solve the maximum independent set problem, which is known to be NP-hard. In this paper, we suggest a new method for local information of ACO. Parameters of the ACO algorithm are tuned by evolutionary operations which have been used in forecasting and time series analysis. To show the performance of the ACO algorithm, the set of instances from discrete mathematics and computer science (DIMACS)benchmark graphs are tested, and computational results are compared with a previously developed ACO algorithm and other heuristic algorithms.

• 정보처리학회논문지B
• /
• 제10B권7호
• /
• pp.769-776
• /
• 2003

MCP(Maximal Clique Problem)를 해결하기 위해 DNA 컴퓨팅이 사용되고 있다. 그러나 현재의 DNA 컴퓨팅을 MCP에 적용하였을 때, 정점과 간선을 효율적으로 표현할 수 없으며 제한 효소의 잘못된 사용으로 인하여 해를 찾을 수 없는 문제점을 가지고 있다. 본 논문에서는 MCP의 문제점을 해결하기 위해 DNA 컴퓨팅 기법에 DNA 코딩 방법을 적용한 ACO(Algorithm for Code Optimization)를 제안한다. 우리는 ACO를 MCP에 적용하였고, 그 결과 ACO는 Adleman의 DNA 컴퓨팅 알고리즘 보다 가변길이의 DNA 코드를 표현할 수 있으며, 불필요한 정점을 제거한 코드를 생성할 수 있었다. 또한 ACO는 Adleman의 DNA 컴퓨팅 알고리즘 보다 탐색 시간과 생물학적 오류율을 15% 정도 줄임으로써 4배 정도 많은 최종해를 얻을 수 있었다.

• 한국지능시스템학회논문지
• /
• 제14권1호
• /
• pp.105-111
• /
• 2004

Traveling Salesman Problem(TSP)을 해결하기 위해 DNA 컴퓨팅이 사용되고 있다. 그러나 현재의 DNA 컴퓨팅을, TSP에 적용하였을 때, 정점과 정점사이의 가중치를 효율적으로 표현할 수 없다. 본 논문에서는 TSP의 정점과 정점 사이의 가중치를 효율적으로 표현하기 위해 DNA 컴퓨팅 기법에 DNA 코딩방법을 적용한 ACO(Algorithm for Code Optimization)를 제안한다. 우리는 ACO를 TSP에 적용하였고, 그 결과 ACO 는 Adleman의 DNA 컴퓨팅 알고리즘보다 가변길이의 DNA 코드와 간선의 가중치를 효율적으로 표현할 수 있었다. 또한 ACO 는 Adleman의 DNA 컴퓨팅 알고리즘 보다 탐색 시간과 생물학적 오류율을 50% 정도 줄일 수 있었으며, 빠른 시간 내에 최단경로를 탐색할 수 있었다.

• Journal of Ubiquitous Convergence Technology
• /
• 제2권1호
• /
• pp.40-50
• /
• 2008

The problem of assigning customers to satellite channels is a difficult combinatorial optimization problem and is NP-complete. For this combinatorial optimization problem, standard optimization methods take a large computation time and so genetic algorithms (GA) and ant colony optimization (ACO) can be used to obtain the best and/or optimal assignment of customers to satellite channels. In this paper, we present a comparative study of GA and ACO to this problem. Various issues related to genetic algorithms approach to this problem, such as solution representation, selection methods, genetic operators and repair of invalid solutions are presented. We also discuss an ACO for this problem. In ACO methodology, three strategies, ACO with only ranking, ACO with only max-min ant system (MMAS), and ACO with both ranking and MMAS, are considered. A comparison of these two approaches (i,e., GA and ACO) with the standard optimization method is presented to show the advantages of these approaches in terms of computation time.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권4호
• /
• pp.387-393
• /
• 2004

DNA 컴퓨팅은 생체 분자들의 막대한 병렬성을 정보 처리 기술에 적용한 기술로, Np-complete문제를 해결하기 위하여 사용되고 있다. 하지만 DNA 컴퓨팅 기술만으로 NP-complete 문제를 해결할 경우에는 해를 찾지 못하거나 많은 시간이 걸리는 문제점이 있다. 본 논문에서는 DNA 코딩 방법을 적용하여 DNA 서열을 효율적으로 표현하고, 반응횟수 만큼 합성과 분리 과정을 거쳐 코드를 생성하는 ACO(Algorithm for Code Optimization)를 제안했다. 그리고 ACO를 NP-complete 문제 중의 하나인 Hamiltonian Path Problem에 적용하였다. 그 결과 ACO는 Adleman의 DNA 컴퓨팅 알고리즘 보다 가변길이의 DNA 코드를 효율적으로 표현할 수 있다는 것을 확인하였다. 또 한 ACO는 Adleman의 DNA 컴퓨팅 알고리즘 보다 탐색 시간과 생물학적 오류율을 50%정도 줄일 수 있었으며, 빠른 시간 내에 정확한 경로를 탐색할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제21권1호
• /
• pp.541-551
• /
• 2021

도서관 사서의 수많은 업무 중 도서 정리 업무는 사서가 일일이 정리해야 하는 일이기 때문에, 투입되는 인적·시간적 비용이 크다. 이러한 문제를 해결하기 위해 최근 인공지능 기술을 접목한 도서 정리 로봇에 관한 관심이 증가하고 있다. 본 연구에서는 도서 정리 로봇에 적용할 수 있는 다중경유지 최단 경로 알고리즘인 K-ACO 알고리즘을 제안한다. 제안하는 K-ACO 알고리즘은 하나의 로봇이 아니라 여러 대의 로봇을 가정하고 있다. 또한, K-ACO는 개미 알고리즘을 개선하여 K개의 군집을 만들고 각 군집 별 최단 경로를 제공해준다. 본 논문에서는 제안한 알고리즘의 성능 분석을 도서 정리 시간의 관점에서 실시하였다. 제안한 알고리즘인 K-ACO 알고리즘을 한 대학교 도서관에 적용하여 현재 도서 정리 알고리즘과 비교해 보았다. 시뮬레이션을 통해 제안하는 알고리즘은 도서 정리 업무를 치우치지 않고 공평하게 배분하여 궁극적으로 전체 일이 끝나는 시간을 확연히 줄일 수 있음을 알 수 있었다. 본 연구 결과를 통하여 제안한 알고리즘의 적용으로 도서 정리에 필요한 인적·시간적 비용을 절감하여 도서관 내 양질의 서비스 향상을 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제12권5호
• /
• pp.131-137
• /
• 2007

최근 유무선 네트워크의 라우팅과 부하 분산에 대한 간단하지만, 효과적인 방법으로 개미 집단 최적화 가 주목받고 있다. 그러나 정체(stagnation) 효과 때문에 개미 집단 최적화를 무선 센서 네트워크에 적용하는 것이 어려워서, 개미 집단 최적화를 무선 센서 네트워크의 라우팅 성능을 개선하는데 적용하고자 하는 연구는 적었다. 본 논문에서는 개미 집단 최적화에 기반한 에너지 효율적인 경로 선정 알고리즘을 제안한다. 제안된 알고리즘은 단순히 개미 집단 최적화를 라우팅 알고리즘에 적용하는 것 외에, 정체 효과를 감소시키는 방식을 도입하였다. 시뮬레이션 결과에 의하면, 제안된 알고리즘은 무선 센서 네트워크의 멀티 홉 평면 라우팅 프로토콜에서 유명한 Direct Diffusion에 비해서 데이터 전송 지연과 에너지 효율 면에서 뛰어남을 보여주었다. 더욱이 개미 집단 최적화를 무선 센서네트워크에 단순히 도입한 방식에 비해서도 정체 효과를 줄일 수 있음을 확인하였다.

• Journal of Computing Science and Engineering
• /
• 제8권4호
• /
• pp.199-206
• /
• 2014

The ant colony optimization (ACO) algorithm is a new heuristic algorithm that offers good robustness and searching ability. With in-depth exploration, the ACO algorithm exhibits slow convergence speed, and yields local optimization solutions. Based on analysis of the ACO algorithm and the genetic algorithm, we propose a novel hybrid genetic ant colony optimization (NHGAO) algorithm that integrates multi-population strategy, collaborative strategy, genetic strategy, and ant colony strategy, to avoid the premature phenomenon, dynamically balance the global search ability and local search ability, and accelerate the convergence speed. We select the traveling salesman problem to demonstrate the validity and feasibility of the NHGAO algorithm for solving complex optimization problems. The simulation experiment results show that the proposed NHGAO algorithm can obtain the global optimal solution, achieve self-adaptive control parameters, and avoid the phenomena of stagnation and prematurity.

• Industrial Engineering and Management Systems
• /
• 제4권2호
• /
• pp.184-191
• /
• 2005

In this article we study the feasibility of the Ant Colony Optimisation (ACO) algorithm for finding optimal Kanban allocations in Kanban systems represented by Stochastic Petri Net (SPN) models. Like other optimisation algorithms inspired by nature, such as Simulated Annealing/Genetic Algorithms, the ACO algorithm contains a large number of adjustable parameters. Thus we study the influence of the parameters on performance of ACO on the Kanban allocation problem, and identify the most important parameters.