và giá trị của pheromone tối đa bằng với giới hạn trên gần đúng của pheromone (Stützle Hoos, 2000) Số lượng kiến được đặt thành 10 Như được hiển thị trong Hình 3, ACO AR vượt trội so với ACS và MM.
và giá trị pheromone tối đa với giới hạn gần pheromone (Stützle & Hoos, 2000) Số lượng kiến đặt thành 10 Như hiển thị Hình 3, ACO-AR vượt trội so với ACS MMAS Bởi ACS MMA, đạt kết giống Trong số hoạt động, ACOAR đạt kết tốt tài liệu phương pháp meta-heuristic Từ ta đưa kết luận: Trong chương này, thuật toán ACO việc triển khai chúng MKP mô tả MKP biểu diễn biểu đồ giải pháp biểu diễn đường dẫn qua biểu đồ Chúng taso sánh hai mơ hình pheromone, pheromone cung biểu đồ toán pheromone nút đồ thị Ta quan sát thấy việc đặt pheromone cung, thuật toán đạt kết tốt Khi pheromone đặt nút số số chúng, nồng độ pheromone trở nên cao kiến chọn chúng với Hình Chất lượng giải pháp trung bình: Đường dày biểu thị ACO-AR, đường chấm chấm biểu thị MMAS đường nét đứt đại diện cho xác suất ACS Chúng ta so sánh bốn đại diện thông tin heuristic Kết tốt đạt thông tin heuristic phụ thuộc vào lợi nhuận, chi phí ngân sách Các đối tượng có lợi nhuận lớn hơn, sử dụng phần ngân sách hơn, mong muốn Chúng ta đạt kết tốt phương pháp heuristic tĩnh động Sử dụng heuristic động, xác suất chọn đối tượng đầu lần lặp khác với việc chọn sau MKP, thứ tự đối tượng chọn không quan trọng Cuối cùng, so sánh kết đạt ba thuật toán ACO, chứng minh hội tụ với Tối ưu toàn cầu, ACS, ACO-AR MMAS Chúng đạt kết tốt ACO-AR, số lần chạy, kết đạt với tốt tìm thấy tài liệu Trong tương lai, chúng tơi điều tra lai tạo thuật toán ACO, kết hợp chúng với kỹ thuật siêu hình khác quy trình tìm kiếm địa phương phù hợp 3.6 So sánh với thuật toán quy hoạch động thuật toán tham lam 3.6.1 So sánh với thuật toán quy hoạch động Ta xét thủ tục sau: Nhập liệu đầu vào void nhap(){ ...3.6 So sánh với thuật toán quy hoạch động thuật toán tham lam 3.6.1 So sánh với thuật toán quy hoạch động Ta xét thủ tục sau: Nhập liệu đầu vào void