Урмила М. Дивекар* и Берхан Х. Гебресласси
В этой статье предлагается эффективный алгоритм оптимизации колонии муравьев (EACO), основанный на эффективном методе выборки для решения комбинаторных, непрерывных и смешанных задач оптимизации. В алгоритме EACO вводится выборка последовательностей Хаммерсли (HSS) для инициализации архива решений и генерации многомерных случайных чисел. Возможности предлагаемого алгоритма иллюстрируются с помощью 9 эталонных задач. Сравниваются результаты эталонных задач алгоритма EACO и обычного алгоритма ACO. Более 99% результатов EACO показывают улучшение эффективности, а улучшение вычислительной эффективности составляет от 3% до 71%. Таким образом, этот новый алгоритм может быть полезным инструментом для крупномасштабных и широкого спектра задач оптимизации. Более того, производительность EACO также тестируется с использованием пяти вариантов муравьиных алгоритмов для комбинаторных задач.