Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
Ant Colony Optimization<br />Jakob Lahmer<br />
Ant Colony Optimization (ACO)<br />17. 12. 2009<br />Ant Colony Optimization<br />2<br />Futtersuche der Ameisen<br />Schw...
Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant Sys...
Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant Sys...
Natürliche Ameisen<br />17. 12. 2009<br />Ant Colony Optimization<br />5<br />Bilden Kolonien<br />Bestehen ausKönigin(nen...
Pheromone (1)<br />17. 12. 2009<br />Ant Colony Optimization<br />6<br />Sind flüchtige Duftstoffe (Verdunstung)<br />Pher...
Pheromone (2)<br />17. 12. 2009<br />Ant Colony Optimization<br />7<br />Höhere Intensität auf optimalem Pfad, da Ameisen ...
Pheromone (3)<br />17. 12. 2009<br />Ant Colony Optimization<br />8<br />
Künstliche Ameisen (1)<br />17. 12. 2009<br />Ant Colony Optimization<br />9<br />Graph mit 3 Knoten<br />Knoten 1: Nest<b...
Künstliche Ameisen (2)<br />17. 12. 2009<br />Ant Colony Optimization<br />10<br />Für Minimum Cost Paths mitmehr als 3 Kn...
Künstliche Ameisen (3)<br />17. 12. 2009<br />Ant Colony Optimization<br />11<br />Eine Iteration =&gt; jede Ameise erzeug...
Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant Sys...
ACO Metaheuristik<br />17. 12. 2009<br />Ant Colony Optimization<br />13<br />Überbegriff für verschiedene auf Ameisen bas...
ACO Metaheuristik<br />17. 12. 2009<br />Ant Colony Optimization<br />14<br />Wiederhole bis Abbruchkriterium erfüllt ist:...
Anwendungsgebiete<br />17. 12. 2009<br />Ant Colony Optimization<br />15<br />Routing<br />TSP,  VehicleRouting ...<br />A...
Simple ACO<br />17. 12. 2009<br />Ant Colony Optimization<br />16<br />Direkte Umsetzung des Verhaltens natürlicher Ameise...
S-ACO – Pheromone aktualisieren<br />17. 12. 2009<br />Ant Colony Optimization<br />17<br />Verdunstung reduziert Pheromon...
S-ACO Beispiel<br />17. 12. 2009<br />Ant Colony Optimization<br />18<br />
Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant Sys...
ACO für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />20<br />TravelingSalesman Problem<br />Vollständig gericht...
ACO für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />21<br />In einem Zeitschritt t erzeugt jede Ameise eine gü...
Ant System (AS)<br />17. 12. 2009<br />Ant Colony Optimization<br />22<br />Tour Construction<br />Nachbarschaft N<br />Li...
AS – Pheromone aktualisieren<br />17. 12. 2009<br />Ant Colony Optimization<br />23<br />Verdampfung<br />    ist die Verd...
ElitestAnt System (EAS)<br />17. 12. 2009<br />Ant Colony Optimization<br />24<br />Bisher beste Tour trägt zusätzlich Phe...
Rank-BasedAnt System<br />17. 12. 2009<br />Ant Colony Optimization<br />25<br />Erweiterung zu EAS<br />Lösungen werden s...
Max-MinAnt System<br />17. 12. 2009<br />Ant Colony Optimization<br />26<br />Nur „best-so-far“ Ameise führt Pheromonupdat...
AntColony System (ACS)<br />17. 12. 2009<br />Ant Colony Optimization<br />27<br />Erweiterung für AS<br />Verändert AS gr...
ACS – Tour Construction<br />17. 12. 2009<br />Ant Colony Optimization<br />28<br />Parameter     steuert Diversierung / I...
ACS – Pheromone aktualisieren<br />17. 12. 2009<br />Ant Colony Optimization<br />29<br />Nur die „best-so-far“ Ameise akt...
AntColony System<br />17. 12. 2009<br />Ant Colony Optimization<br />30<br />Sequentieller vs. Paralleler Durchlauf der Am...
Vergleich von ACO Varianten<br />17. 12. 2009<br />Ant Colony Optimization<br />31<br />
Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant Sys...
Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />33<br />
Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />34<br />
Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />35<br />
Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />36<br />
Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />37<br />
Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />38<br />
Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />39<br />
Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />40<br />
Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />41<br />
Danke für die Aufmerksamkeit<br />
Nächste SlideShare
Wird geladen in …5
×

Ant Colony Optimization

3.130 Aufrufe

Veröffentlicht am

Veröffentlicht in: Bildung, Technologie
  • Als Erste(r) kommentieren

Ant Colony Optimization

  1. 1. Ant Colony Optimization<br />Jakob Lahmer<br />
  2. 2. Ant Colony Optimization (ACO)<br />17. 12. 2009<br />Ant Colony Optimization<br />2<br />Futtersuche der Ameisen<br />Schwarmintelligenz<br />Stigmergie<br />Entwickelt von Marco Dorigo, 1991<br />Anwendungsgebiete<br />Kombinatorische Optimierungsprobleme<br />TravelingSalesman Problem<br />Rucksackproblem<br />…<br />
  3. 3. Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant System<br />Elitest Ant System<br />Rank-Based System<br />Max-Min Ant System<br />Ant Colony System<br />Kurzes Beispiel<br />17. 12. 2009<br />3<br />Ant Colony Optimization<br />
  4. 4. Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant System<br />Elitest Ant System<br />Rank-Based System<br />Max-Min Ant System<br />Ant Colony System<br />Kurzes Beispiel<br />17. 12. 2009<br />4<br />Ant Colony Optimization<br />
  5. 5. Natürliche Ameisen<br />17. 12. 2009<br />Ant Colony Optimization<br />5<br />Bilden Kolonien<br />Bestehen ausKönigin(nen) und Arbeiterinnen<br />Erkunden große Flächen ohne globalem Wissen<br />Kommunikation durch Pheromone (Stigmergie)<br />
  6. 6. Pheromone (1)<br />17. 12. 2009<br />Ant Colony Optimization<br />6<br />Sind flüchtige Duftstoffe (Verdunstung)<br />Pheromonspur markieret Pfad einer Ameise<br />Mehrere Arten<br />Bsp: trail pheromone<br />Höhere Intensität =&gt; höhere Wahrscheinlichkeit, dass Pfad gewählt wird<br />
  7. 7. Pheromone (2)<br />17. 12. 2009<br />Ant Colony Optimization<br />7<br />Höhere Intensität auf optimalem Pfad, da Ameisen schneller vom Nest zum Futter und zurück gelangen.<br />=&gt; mehr Ameisen wählen den optimalen Weg<br />Erschließung neuer Möglichkeiten<br />Double Bridge Experiment<br />
  8. 8. Pheromone (3)<br />17. 12. 2009<br />Ant Colony Optimization<br />8<br />
  9. 9. Künstliche Ameisen (1)<br />17. 12. 2009<br />Ant Colony Optimization<br />9<br />Graph mit 3 Knoten<br />Knoten 1: Nest<br />Knoten 2: Futter<br />Knoten 3: Umweg<br />Diskrete Zeit<br />forward pheromonetrail<br />
  10. 10. Künstliche Ameisen (2)<br />17. 12. 2009<br />Ant Colony Optimization<br />10<br />Für Minimum Cost Paths mitmehr als 3 Knoten<br />Problem<br />Loops durch forward pheromone trail<br />Lösung<br />Speichern des gewählten Pfades<br />Backward pheromone trail<br />Loops entfernen<br />
  11. 11. Künstliche Ameisen (3)<br />17. 12. 2009<br />Ant Colony Optimization<br />11<br />Eine Iteration =&gt; jede Ameise erzeugt eine Lösung<br />Speichern der Lösung<br />Backward pheromone trail<br />Loopdetection<br />Wert des gesetzten Pheromons von Pfadlänge abhängig<br />Bsp: c =Pfadkosten<br />Optimierungsmöglichkeiten<br />Bsp: Nur Ameise mit bester Lösung darf Pheromone setzen<br />
  12. 12. Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant System<br />Elitest Ant System<br />Rank-Based System<br />Max-Min Ant System<br />Ant Colony System<br />Kurzes Beispiel<br />17. 12. 2009<br />12<br />Ant Colony Optimization<br />
  13. 13. ACO Metaheuristik<br />17. 12. 2009<br />Ant Colony Optimization<br />13<br />Überbegriff für verschiedene auf Ameisen basierende Algorithmen<br />Kann für statische und dynamische Probleme verwendet werden<br />Anwendungsgebiet<br />Hauptsächlich kombinatorische Probleme<br />Kontinuierliche Parameteroptimierung<br />
  14. 14. ACO Metaheuristik<br />17. 12. 2009<br />Ant Colony Optimization<br />14<br />Wiederhole bis Abbruchkriterium erfüllt ist:<br />
  15. 15. Anwendungsgebiete<br />17. 12. 2009<br />Ant Colony Optimization<br />15<br />Routing<br />TSP, VehicleRouting ...<br />Assignment<br />Job Shop, Flow Shop, Project Scheduling, Group Scheduling<br />MachineLearning<br />ClassificationRules, Bayesian Networks<br />Weitere<br />Rucksackproblem, ...<br />
  16. 16. Simple ACO<br />17. 12. 2009<br />Ant Colony Optimization<br />16<br />Direkte Umsetzung des Verhaltens natürlicher Ameisen<br />Initialisierung der Pheromonspur<br />Tour Construction<br />Nachbarschaft N<br />Liste benachbarter Knoten<br />
  17. 17. S-ACO – Pheromone aktualisieren<br />17. 12. 2009<br />Ant Colony Optimization<br />17<br />Verdunstung reduziert Pheromone auf allen Kanten<br />Pheromonspur wird im Backward mode aktualisiert<br /> ist eine Funktion der Pfadlänge<br />
  18. 18. S-ACO Beispiel<br />17. 12. 2009<br />Ant Colony Optimization<br />18<br />
  19. 19. Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant System<br />Elitest Ant System<br />Rank-Based System<br />Max-Min Ant System<br />Ant Colony System<br />Kurzes Beispiel<br />17. 12. 2009<br />19<br />Ant Colony Optimization<br />
  20. 20. ACO für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />20<br />TravelingSalesman Problem<br />Vollständig gerichteter Graph<br />Finde Rundtour durch alle Städte, so dass jede Stadt genau einmal besucht wird<br />
  21. 21. ACO für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />21<br />In einem Zeitschritt t erzeugt jede Ameise eine gültige Lösung<br />Pheromonmatrix<br />Intensität der Pheromone vom Knoten i zum Knoten j <br />Lokale Information<br />Kehrwert der Distanz zwischen 2 Knoten<br />Ameisen starten von zufällig gewählten Knoten <br />
  22. 22. Ant System (AS)<br />17. 12. 2009<br />Ant Colony Optimization<br />22<br />Tour Construction<br />Nachbarschaft N<br />Liste unbesuchter Städte<br /> und steuern das Verhältnis zwischen dem Anteil der Pheromone und der lokalen Information<br />
  23. 23. AS – Pheromone aktualisieren<br />17. 12. 2009<br />Ant Colony Optimization<br />23<br />Verdampfung<br /> ist die Verdampfungsrate<br />Update<br />
  24. 24. ElitestAnt System (EAS)<br />17. 12. 2009<br />Ant Colony Optimization<br />24<br />Bisher beste Tour trägt zusätzlich Pheromon auf<br />e ist Konstante<br />Kürzere Touren<br />Weniger Iterationen notwendig <br />
  25. 25. Rank-BasedAnt System<br />17. 12. 2009<br />Ant Colony Optimization<br />25<br />Erweiterung zu EAS<br />Lösungen werden sortiert und aktualisieren ihrem Rang entsprechend die Pheromonspuren<br />Besser als EAS<br />Deutlich besser als AS<br />
  26. 26. Max-MinAnt System<br />17. 12. 2009<br />Ant Colony Optimization<br />26<br />Nur „best-so-far“ Ameise führt Pheromonupdate durch<br />Problem: Stagnation<br />Pheromonwerte werden begrenzt<br />Pheromonmatrix wird mit initialisiert<br />Sehr explorativ!<br />Reinitialisierung bei Stagnation <br />
  27. 27. AntColony System (ACS)<br />17. 12. 2009<br />Ant Colony Optimization<br />27<br />Erweiterung für AS<br />Verändert AS grundlegend, baut jedoch darauf auf<br />Aggressivere Nachfolgerauswahl<br />Stark veränderte Pheromonplatzierung<br />Signifikante Verbesserung der Performance<br />
  28. 28. ACS – Tour Construction<br />17. 12. 2009<br />Ant Colony Optimization<br />28<br />Parameter steuert Diversierung / Intensivierung<br />j ist die als Nachfolger gewählte Stadt<br />q ist eine auf [0,1] gleichverteilte Zufallsvariable<br />J ist eine durch AS gewählte Stadt aus der Nachbarschaft von i <br />
  29. 29. ACS – Pheromone aktualisieren<br />17. 12. 2009<br />Ant Colony Optimization<br />29<br />Nur die „best-so-far“ Ameise aktualisiert Pheromone<br />Verdunstung und Aktualisierung nur für Tbs<br />Globale Aktualisierung<br />Lokale Aktualisierung<br />Nach dem Verwenden der Kante (i,j)<br />
  30. 30. AntColony System<br />17. 12. 2009<br />Ant Colony Optimization<br />30<br />Sequentieller vs. Paralleler Durchlauf der Ameisen<br />Implizite Pheromonwertgrenzen (Min-MaxAS)<br />Verwendung von Kandidatenlisten verbessert Qualität<br />TSP: für jede Stadt werden die nahesten Nachbarn gespeichert<br />Bessere Performance<br />
  31. 31. Vergleich von ACO Varianten<br />17. 12. 2009<br />Ant Colony Optimization<br />31<br />
  32. 32. Übersicht<br />Von natürlichen zu künstlichen Ameisen<br />ACO Metaheuristik<br />Simple ACO<br />ACO für TSP<br />Ant System<br />Elitest Ant System<br />Rank-Based System<br />Max-Min Ant System<br />Ant Colony System<br />Kurzes Beispiel<br />17. 12. 2009<br />32<br />Ant Colony Optimization<br />
  33. 33. Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />33<br />
  34. 34. Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />34<br />
  35. 35. Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />35<br />
  36. 36. Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />36<br />
  37. 37. Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />37<br />
  38. 38. Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />38<br />
  39. 39. Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />39<br />
  40. 40. Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />40<br />
  41. 41. Beispiel: AS für TSP<br />17. 12. 2009<br />Ant Colony Optimization<br />41<br />
  42. 42. Danke für die Aufmerksamkeit<br />

×