Використання метаеврістичних алгоритмів для розв’язку задачі комівояжера
Анотація
У статті розглядається та проводиться аналіз існуючих метаеврістичних алгоритмів. Можливість їх використання при побудові та передачі даних всередині комп’ютерної системи. Також їх застосування у локальних чи глобальних мережах об’єднаних комп’ютерів. Згадано принципи, які лягли в основу формування поняття алгоритм у галузі інформаційних технологій. Описано актуальність використання метаеврістичних алгоритмів в проектуванні мереж передачі даних. Встановлено зміст поняття алгоритм та його складність, використані у контексті даної статі. Визначено метаеврістичний алгоритм та його відмінності від інших. Розглянуто особливості конкретних видів даних алгоритмів знаходження оптимального шляху. Визначено концепції метода рою часток, які використовують колективний інтелект для реалізації гравітаційного пошуку закладених в основу даного підходу. Розглянуто окремі види метаеврістичних алгоритмів, зокрема мурашиний та бджолиний алгоритми. Описано метод гравітаційного пошуку, закладений в основу евристичних алгоритмів оптимізації, згаданих раніше. Встановлено визначення колективного інтелекту для даного контексту, що ліг в основу даного метода рішення завдання комівояжера. Описано актуальність використання конкретних, раніше згаданих, алгоритмів. Демонстрація систем, у яких можливе використання метаеврістичних алгоритмів. Вказано можливість їх прикладного застосування у прикладних сферах діяльності людини та суспільства. Запропоновано методи ефективного застосування мурашиного та бджолиного алгоритмів. Виділено переваги та недоліки їх використання. Сформульовано можливості подальшої модернізації даних конкретних методів рішення завдання комівояжера. Описано переваги бджолиного та мурашиного алгоритмів над генетичними алгоритм. Виділення переваг даної належності для практичного застосування даних алгоритмів для рішення задач оптимізації.
Посилання
2. E. L. Lawler, J. K. Lenstra, A H G Rinnooy Kan, and David Bernard Shmoys, The Traveling salesman problem : a guided tour of combinatorial optimization. Chichester West Sussex ; New York: Wiley, 1990.
3. M. J. Apter, The Computer Simulation of Behaviour. Routledge, 2018.
4. Sajad Ahmad Rather, Enhanced Gravitational Search Algorithms for Solving Global Optimization Problems. 2023.
5. S. S. Skiena, The algorithm design manual. London: Springer, 2012.


