蚁群优化与超图覆盖问题
神经与进化计算
2013-12-31 v2
摘要
蚁群优化（Ant Colony Optimization, ACO）是一种非常流行的元启发式算法，用于求解计算上困难的组合优化问题。近年来，针对各种伪布尔函数和不同基于图的组合优化问题的ACO运行时分析已陆续展开。本文研究了一种MMAS*（最大-最小蚂蚁系统）ACO算法在一些众所周知的NP难超图覆盖问题上的运行时行为。具体而言，我们讨论了最小边覆盖问题、最小顶点覆盖问题和最大弱独立集问题。分析了信息素值和启发式信息对运行时间的影响。结果表明，与信息素值相比，启发式信息对改善期望优化时间具有更大的影响。对于某些超图实例，我们证明，当适当增加启发式信息的主导地位时，MMAS*算法能给出常数阶的期望优化时间。
引用
@article{arxiv.1105.2894,
title = {Ant Colony Optimization and Hypergraph Covering Problems},
author = {Ankit Pat and Ashish Ranjan Hota},
journal= {arXiv preprint arXiv:1105.2894},
year = {2013}
}
备注
7 pages