2.2. Ant Colony System ACS is based

2.2. Ant Colony System
ACS is based on the way real ant colonies behave to find the shortest path between
their nest and food sources. It simulates th e described behavior of real ants to solve
combinatorial optimization problems with artificial ants. To solve the VRP, the artificial ants
construct vehicle routes by successively choosing cities to visit, until each city has been visited.
Whenever the choice of another city would lead to an infeasible solution for reasons of vehicle
capacity or total route length, the depot is chosen and a new tour is started.
This heuristic uses a population of m agents which construct solutions step by step.
When all the ants have constructed their tour, the best solution is rewarded so as to encourage
the identification of ever better solutions in the next cycles.
Construction of vehicle routes: This process is responsible for the construction of
new solutions. This is achieved using probabilistic stepwise solution construction. ACS goal is to
find a shortest tour. In ACS m ants build tours in parallel, where m is a parameter. Each ant is
randomly assigned to a starting node and has to build a solution, that is, a complete tour. A tour
is built node by node: each ant iteratively adds new nodes until all nodes have been visited.
When ant k is located in node i, it chooses the next node j probabilistically in the set of feasible
nodes N i
k
(i.e., the set of nodes that still have to be visited). The probabilistic rule used to
construct a tour is the following:

Results (Indonesian) 1:

2.2. ant koloni sistem ACS didasarkan pada cara berperilaku koloni semut yang nyata untuk menemukan jalan terpendek antara sarang dan makanan sumber-sumber mereka. Itu mensimulasikan th e dijelaskan perilaku nyata semut untuk memecahkan Kombinatorial optimasi masalah dengan semut buatan. Untuk memecahkan VRP, semut buatan membangun rute kendaraan dengan berturut-turut memilih kota untuk mengunjungi, sampai setiap kota telah dikunjungi. Setiap kali pilihan kota lain akan mengarah pada solusi yang tidak mudah untuk alasan kendaraan kapasitas atau total rute panjang, depot dipilih dan tur baru dimulai. Heuristic ini menggunakan populasi m agen yang membangun solusi langkah demi langkah. Ketika semua ants telah dibangun tur mereka, solusi terbaik dihargai untuk mendorong identifikasi solusi yang pernah lebih baik dalam siklus berikutnya. Konstruksi rute kendaraan: proses ini bertanggung jawab untuk pembangunan solusi baru. Hal ini dicapai menggunakan solusi bertahap probabilistik konstruksi. ACS tujuan adalah untuk dalam tur terpendek. Di ACS m semut membangun Wisata secara paralel, dimana m adalah parameter. Adalah setiap semut secara acak ditugaskan ke sebuah node awal dan harus membangun solusi, yaitu tur lengkap. Tur dibangun node dengan node: setiap semut iteratively menambahkan node baru sampai semua node telah dikunjungi. Kapan k semut terletak di simpul i, itu memilih j node berikutnya probabilistically di set layak node N sayak (yaitu, set node yang masih perlu dikunjungi). Aturan probabilistik yang digunakan untuk membangun tur adalah sebagai berikut:

Results (Indonesian) 2:

2.2. Ant Colony System
ACS didasarkan pada cara koloni semut nyata berperilaku untuk menemukan jalan terpendek antara
sumber sarang dan makanan mereka. Ini mensimulasikan e dijelaskan perilaku th semut nyata untuk memecahkan
masalah optimasi kombinatorial dengan semut buatan. Untuk mengatasi VRP, semut buatan
membangun rute kendaraan dengan berturut-turut memilih kota untuk mengunjungi, sampai setiap kota telah dikunjungi.
Setiap kali pilihan kota lain akan menyebabkan solusi tidak layak untuk alasan kendaraan
kapasitas atau total panjang rute, depot ini dipilih dan tur baru dimulai.
heuristik ini menggunakan populasi agen m yang solusi membangun langkah demi langkah.
Ketika semua semut telah dibangun tur mereka, solusi terbaik dihargai sehingga mendorong
identifikasi solusi yang pernah lebih baik di depan siklus.
pembangunan rute kendaraan: proses ini bertanggung jawab untuk pembangunan
solusi baru. Hal ini dicapai dengan menggunakan konstruksi solusi bertahap probabilistik. Tujuan ACS adalah untuk
menemukan tur terpendek. Dalam ACS m semut membangun tur di paralel, di mana m adalah parameter. Setiap semut
secara acak ditugaskan untuk node awal dan memiliki untuk membangun solusi, yaitu, tur lengkap. Tur
dibangun node dengan simpul: setiap semut iteratif menambahkan node baru sampai semua node telah dikunjungi.
Ketika k semut terletak di simpul i, ia memilih node j berikutnya probabilistically di set layak
node N i
k
(yaitu, set node yang masih harus dikunjungi). Aturan probabilistik digunakan untuk
membangun tur adalah sebagai berikut: