ant colony optimization

Optimierung von Ameisenkolonien

Ein Python-Paket zum Finden des kürzesten Pfads in einem Diagramm mithilfe von Ant Colony Optimization (ACO).

➡️ Eine detaillierte Anleitung finden Sie in meinem Medium-Artikel

Der Ameisenkolonie-Optimierungsalgorithmus ist eine probabilistische Technik zur Lösung von Rechenproblemen, die auf die Suche nach guten Pfaden durch Diagramme reduziert werden kann (Quelle).

Diese Implementierung des ACO-Algorithmus verwendet die NetworkX-Graphumgebung.

Erste Schritte

So installieren Sie das Paket direkt von PyPi:

$ pip install aco_routing

Verwendung

Schauen Sie sich an: example.py

Importieren Sie alle Abhängigkeiten:

 aus aco_routing import ACOimport networkx as nx

Erstellen Sie ein NetworkX.Graph -Objekt mit Knoten und Kanten:

 G = nx.DiGraph()G.add_edge("A", "B", cost=2)G.add_edge("B", "C", cost=2)G.add_edge("A", "H" , cost=2)G.add_edge("H", "G", cost=2)G.add_edge("C", "F", cost=1)G.add_edge("F", "G", cost=1)G.add_edge("G", "F", cost=1)G.add_edge("F", "C", cost=1)G.add_edge("C", "D", cost= 10)G.add_edge("E", "D", Kosten=2)G.add_edge("G", "E", Kosten=2)

Verwenden Sie ACO, um den kürzesten Weg und die kürzesten Kosten zwischen source und destination zu finden:

 aco = ACO(G, ant_max_steps=100, num_iterations=100, ant_random_spawn=True)aco_path, aco_cost = aco.find_shortest_path(source="A",destination="D",num_ants=100,
)

Ausgabe:

ACO path: A -> H -> G -> E -> D
ACO path cost: 8.0

Inhalt

Ameise

aco_routing.Ant

• Eine Ant , die den Graphen durchquert.

ACO

aco_routing.ACO

• Der traditionelle Algorithmus zur Optimierung von Ameisenkolonien, der Ameisen an verschiedenen Knoten im Diagramm erzeugt und den kürzesten Weg zwischen der angegebenen Quelle und dem Ziel findet (Pseudocode).

Mitwirken

• Veröffentlichen Sie alle Probleme und Vorschläge auf der GitHub-Problemseite.

• Um einen Beitrag zu leisten, teilen Sie das Projekt auf und erstellen Sie dann eine Pull-Anfrage zurück an den Master.