Algorytmy mrówkowe

Algorytmy mrówkowe powstały w wyniku obserwacji zachowania kolonii mrówek – owadów o niewielkich indywidualnych zdolnościach, potrafiących doskonale ze sobą współdziałać tworząc bardzo sprawnie funkcjonujące społeczeństwo. Współpracujące ze sobą mrówki są w stanie znaleźć najkrótszą drogę pomiędzy źródłami pożywienia a mrowiskiem.

Mrówki porozumiewają się za pomocą feromonu pozostawianego na podłożu. Feromon to substancja zapachowa, która skłania te owady do podążania w kierunku jej najsilniejszego stężenia. Mrówka wydziela feromon w sytuacji gdy znalazła pożywienie i powraca z nim do gniazda informując w ten sposób pozostałe osobniki o jego lokalizacji. Ten prosty mechanizm komunikacji poprzez modyfikację środowiska nosi miano stygmercji. Zdolność do znajdowania najkrótszej drogi wynika z tego, że krótsze drogi zostaną szybciej pokonane i szybciej zostaną oznaczone dodatkowym śladem feromonowym. Cecha ta nosi miano bezwarunkowej oceny rozwiązań. Silniejszy ślad feromonowy przyciągnie następnie większą ilość mrówek. Ma tu miejsce dodatnie sprzężenie zwrotne (autokataliza). Każda następna mrówka idąca jego trasą dołoży swój feromon zwiększając tym samym jej atrakcyjność. Dzięki takiemu zachowaniu mrówek, w krótkim czasie prawie wszystkie osobniki będą podążać najkrótszą z dostępnych tras.

System mrowiskowy (ACS) Naśladując zachowania mrówek można rozwiązywać trudne zadania optymalizacyjne. Przedstawiony mechanizm komunikacji agentów-mrówek został odwzorowany w systemie mrowiskowym, w którym populacja cyfrowych mrówek przemierza wirtualne środowisko tworzące graf.

Zadaniem mrówek jest znalezienie najkrótszej drogi pomiędzy węzłami tego grafu. Jeżeli przyjęlibyśmy, że węzły te reprezentują miasta na mapie, to mrówki poszukiwałby najkrótszej drogi między nimi. W każdej iteracji algorytmu mrówki odkładają pewną ilość feromonu w zależności od jakości uzyskanego rozwiązania. W następnej iteracji będzie on miał wpływ na podejmowane decyzje - im większe będzie natężenie tego śladu, tym większe prawdopodobieństwo podążenia daną krawędzią. Programowanie mrowiskowe (ACP) Jest to metoda polegająca na zastosowaniu mrówek w celach generowania wyrażeń arytmetycznych (funkcji) odpowiadających pewnemu zbiorowi danych (zbiór treningowy). Na początku działania algorytmu określamy także zbiór dopuszczalnych symboli, z których będą budowane nasze funkcje. Poszukujemy takiej funkcji, która dla zadanych danych będzie generowała dokładnie takie wyniki jak te określone w zbiorze treningowym.