1. Introduction The Ant Colony syst

1. Introduction
The Ant Colony system (ACS) [1] is a meta-h euristic which is inspired by the trail
following behavior of real ant colonies. One of the most efficient Ant Colony Optimization (ACO)
based implementations is based on ACS, whic h introduced a particular pheromone trail
updating procedure for intensifying the search in the neighborhood of the best computed
solution.Recently, some improved ant colony algorithm was used to solve the problems of error
compensation for a high-precision numeral control machining system [2] and fuzzy controller
problem of the autonomous parking [3].

Results (Indonesian) 1:

1. Pendahuluan Sistem koloni semut (ACS) [1] adalah meta-h euristic yang terinspirasi oleh jejak Berikut perilaku koloni semut yang nyata. Salah satu dari optimasi koloni semut paling efisien (ACO) Berdasarkan implementasi didasarkan pada ACS, h yang diperkenalkan jejak tertentu feromon Update prosedur untuk mengintensifkan Pencarian di lingkungan yang terbaik dihitung solusi. Baru-baru ini, beberapa algoritma koloni semut peningkatan digunakan untuk memecahkan masalah kesalahan kompensasi untuk presisi tinggi angka kontrol mesin sistem [2] dan kabur controller masalah parkir otonom [3].

Results (Indonesian) 2:

1. Pendahuluan
The Ant Colony sistem (ACS) [1] adalah euristic meta-h yang terinspirasi dari jejak
berikut perilaku koloni semut nyata. Salah satu Ant Colony Optimization yang paling efisien (ACO)
implementasi berdasarkan berdasarkan ACS, h memperkenalkan pheromone tertentu
prosedur updating untuk mengintensifkan pencarian di lingkungan yang terbaik dihitung
solution.Recently, beberapa algoritma koloni semut ditingkatkan digunakan untuk memecahkan masalah kesalahan
kompensasi untuk presisi tinggi sistem kontrol angka mesin [2] dan kontroler fuzzy
masalah parkir otonom [3].