Các thuật toán ACO với bốn loại thông tin heuristic đã được thử nghiệm trên 20 điểm chuẩn của MKP, từ hoặc thư viện, với 100 đối tượng và 10 ràng buộc Đối với các thử nghiệm, chúng tôi sử dụng thuật t.
Các thuật tốn ACO với bốn loại thơng tin heuristic thử nghiệm 20 điểm chuẩn MKP, từ thư viện, với 100 đối tượng 10 ràng buộc Đối với thử nghiệm, sử dụng thuật toán ACS với pheromone cung Tham số pheromone ban đầu cố định τ0 = 0,5 Các tham số bay đặt thành Khi D1 ≠ D2, D1 = D2 = 2, không D1 = D2 = Số lượng kiến đặt thành 10 Đầu tiên quan sát thấy heuristic B cho thấy lợi so với heuristic khác Điều có nghĩa điều quan trọng chi phí phần nhỏ ngân sách có liên quan Chúng ta dự kiến đạt kết tốt heuristic động chúng tương ứng với tình trạng vấn đề Mặc cho kỳ vọng, đạt kết cách đoán động Sử dụng heuristic động, thứ tự đối tượng chọn trở nên quan trọng; Khả mong muốn đối tượng không giống chọn phần đầu lần lặp muộn MKP tốn khơng có thứ tự nó, thứ tự mà đối tượng chọn khơng quan trọng Vì vậy, giải thích kết tốt phương pháp heuristic tĩnh So sánh heuristic C D, quan sát tầm quan trọng tham số D1 D2 Trong trường hợp D1 ≠ D2, kết đạt tốt Các tham số D1 D2 cho thấy tầm quan trọng lợi nhuận ràng buộc thông tin heuristic Nếu D1 lớn D2, lợi nhuận quan trọng trường hợp ngược lại, ràng buộc quan trọng Nếu hai giá trị D1 D2 lớn, thơng tin heuristic quan trọng pheromone xác suất chuyển tiếp 3.5 So sánh giải thuật ACO Các thuật toán ACO khác việc cập nhật pheromone Chúng ta so sánh số thuật toán ACO áp dụng MKP Hệ thống thuộc địa kiến, hệ thống ANT tối đa thuật toán kiến với gia cố bổ sung chọn, chúng, chứng minh hội tụ đến tối ưu tồn cầu Các thuật tốn ACO thử nghiệm 20 điểm chuẩn MKP với 100 đối tượng 10 ràng buộc từ thư viện Các kết báo cáo trung bình 20 lần chạy điểm chuẩn Pheromone đặt cung heuristic B sử dụng ACOAR áp dụng thuật toán kiến với kiến Elitist Pheromone bổ sung thêm vào pheromone thêm vào tối đa Tham số pheromone ban đầu cố định τ0 = 0,5 Tham số bay đặt thành τmin = 1000 Pheromone tối thiểu