basados en colonias de hormigas
Julio Manuel Paciello Coronel Héctor Daniel Martínez Santacruz Christian Gerardo Lezcano Ríos Benjamín Barán Cegla |
|
Theory of ACO meta-heuristic is successfully applied to the resolution of combinatorial optimization problems. This paper presents a comparison using a benchmark of three bi-objective problems, QAP, TSP, and VRPTW, of the existing state-of-art algorithms in the resolution of multi-objective problems using ant colony theory. This paper proposes a new approach of multi-objective algorithm, the Multiobjective Ant System, proving its good behavior. Experimental results proves that the strategy of having only one table of pheromones and multiple visibilities empirically outperforms other strategies.
|
| Keywords: Artificial Intelligence, Multi-objective optimization, Ant colonies, ACO meta-heuristic. |
La teoría de la meta-heurística ACO es utilizada con éxito en la resolución de problemas de optimización combinatoria. Este trabajo realiza una comparación utilizando tres problemas de prueba bi-objetivos, el QAP, TSP y el VRPTW, de diversos algoritmos ACO existentes en la actualidad que constituyen el estado del arte en la resolución de problemas multi-objetivos utilizando la teoría basada en colonias de hormigas. Se propone un nuevo algoritmo multi-objetivo, el Multiobjective Ant System, y se verifica un buen comportamiento empírico. Se demuestra empíricamente que la estrategia de utilizar una única tabla de feromonas y múltiples visibilidades supera a otras propuestas.
|
| Palabras Clave: Inteligencia Artificial, Optimización multi-objetivo, colonias de hormigas, meta-heurística ACO. |
 |
 |