Pozycjonowanie stron www i SEO / SEM
* ilość fraz w TOP5: 1259
Linki sponsorowane - czyli płatna forma obecności w wynikach wyszukiwarki nie radzą sobie dobrze
* ilość fraz w TOP5: 1259
<
Algorytm mrówkowy
Algorytm mrówkowy, zaproponowany przez Marco Dorigo[1], jest probabilistyczną techniką rozwiązywania problemów poprzez szukanie dobrych dróg w grafach. Jest on zainspirowany zachowaniem mrówek szukających pożywienia dla swojej kolonii.
W prawdziwym świecie, mrówki poruszają się w sposób losowy; kiedy znajdują pożywienie, wracają do swojej kolonii pozostawiając ślad składający się z feromonów[2]. Gdy inna mrówka natknie się na ten ślad, przestaje poruszać się w sposób losowy oraz podąża za śladem w kierunku pożywienia.
Jednak po pewnym czasie feromony wyparowują, a więc siła ich działania maleje. Im dłuższa jest trasa od pożywienia do kolonii, tym więcej posiadają czasu feromony aby wyparować. Krótsze trasy jednak zapewniają, iż siła działania feromonów będzie większa. Parowanie feromonów jest efektem pozytywnym, bowiem dopuszcza to na odnajdywanie optymalnej trasy do pożywienia. Gdyby feromony nie wyparowywały, każda kolejna trasa miałaby taką samą siłę jak poprzednia, przez co nie dochodziłoby do odnalezienia optymalnego rozwiązania problemu.
Zatem, kiedy jedna mrówka odnajdzie dobrą (krótką) drogę, inne mrówki będą podążać tą właśnie drogą także zostawiając feromony, a więc zwiększając ich natężenie. Ostatecznie wszystkie mrówki będą poruszać się tą samą, najlepszą drogą, a pozostałe drogi zostaną zapomniane (wyparują).
Bibliografia
- E. Bonabeau, M. Dorigo et G. Theraulaz, 1999. Swarm Intelligence: From Natural to Artificial Systems, Oxford University Press. ISBN 0-19-513159-2
- M. Dorigo & T. Stützle, 2004. Ant Colony Optimization, MIT Press. ISBN 0-262-04219-3
- M. Dorigo, G. Di Caro & L. M. Gambardella, 1999. "Ant Algorithms for Discrete Optimization". Artificial Life, 5 (2): 137–172.
Przypisy