Ant Supervised by PSO and 2-Opt algorithm, AS-PSO-2Opt, Applied to Traveling Salesman Problem
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A10238699" target="_blank" >RIV/61989100:27240/16:10238699 - isvavai.cz</a>
Výsledek na webu
<a href="http://ieeexplore.ieee.org/document/7844999/" target="_blank" >http://ieeexplore.ieee.org/document/7844999/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/SMC.2016.7844999" target="_blank" >10.1109/SMC.2016.7844999</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Ant Supervised by PSO and 2-Opt algorithm, AS-PSO-2Opt, Applied to Traveling Salesman Problem
Popis výsledku v původním jazyce
AS-PSO-2Opt is a new enhancement of the AS-PSO method. In the classical AS-PSO, the Ant heuristic is used to optimize the tour length of a Traveling Salesman Problem, TSP, and PSO is applied to optimize three parameters of ACO, (alpha,beta,rho). The AS-PSO-2Opt consider a post processing resuming path redundancy, helping to improve local solutions and to decrease the probability of falling in local minimum. Applied to TSP, the method allowed retrieving a valuable path solution and a set of fitted parameters for ACO. The performance of the AS-PSO-2Opt is tested on nine different TSP test benches. Experimental results based on a statistical analysis showed that the new proposal performs better than key state of art methods using Genetic algorithm, Neural Network and ACO algorithm. The AS-PSO-2Opt performs better than close related methods such as PSO-ACO-3Opt [9] and ACO with ABC [19] for various test benches.
Název v anglickém jazyce
Ant Supervised by PSO and 2-Opt algorithm, AS-PSO-2Opt, Applied to Traveling Salesman Problem
Popis výsledku anglicky
AS-PSO-2Opt is a new enhancement of the AS-PSO method. In the classical AS-PSO, the Ant heuristic is used to optimize the tour length of a Traveling Salesman Problem, TSP, and PSO is applied to optimize three parameters of ACO, (alpha,beta,rho). The AS-PSO-2Opt consider a post processing resuming path redundancy, helping to improve local solutions and to decrease the probability of falling in local minimum. Applied to TSP, the method allowed retrieving a valuable path solution and a set of fitted parameters for ACO. The performance of the AS-PSO-2Opt is tested on nine different TSP test benches. Experimental results based on a statistical analysis showed that the new proposal performs better than key state of art methods using Genetic algorithm, Neural Network and ACO algorithm. The AS-PSO-2Opt performs better than close related methods such as PSO-ACO-3Opt [9] and ACO with ABC [19] for various test benches.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
2016 IEEE International Conference on Systems, Man, and Cybernetics, SMC 2016 - Conference Proceedings
ISBN
978-1-5090-1897-0
ISSN
—
e-ISSN
neuvedeno
Počet stran výsledku
6
Strana od-do
4866-4871
Název nakladatele
Institute of Electrical and Electronics Engineers
Místo vydání
New York
Místo konání akce
Budapešť
Datum konání akce
9. 10. 2016
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000402634704111