ant colony optimization

Optimasi Koloni Semut

Paket Python untuk menemukan jalur terpendek dalam grafik menggunakan Ant Colony Optimization (ACO).

➡️ Lihat artikel Medium saya untuk panduan mendetail

Algoritma Ant colony Optimization adalah teknik probabilistik untuk memecahkan masalah komputasi yang dapat direduksi menjadi menemukan jalur yang baik melalui grafik (sumber).

Implementasi algoritma ACO ini menggunakan lingkungan grafik NetworkX.

Memulai

Untuk menginstal paket langsung dari PyPi:

$ pip install aco_routing

Penggunaan

Lihat: contoh.py

Impor semua dependensi:

 dari aco_routing impor ACOimport networkx sebagai nx

Buat objek NetworkX.Graph dengan node dan edge:

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

Gunakan ACO untuk menemukan jalur dan biaya terpendek antara source dan destination :

 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,
)

Keluaran:

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

Isi

Semut

aco_routing.Ant

• Ant yang melintasi grafik.

ACO

aco_routing.ACO

• Algoritme Ant Colony Optimization tradisional yang memunculkan semut di berbagai node dalam grafik dan menemukan jalur terpendek antara sumber dan tujuan yang ditentukan (kode semu).

Berkontribusi

• Posting masalah dan saran apa pun di halaman masalah GitHub.

• Untuk berkontribusi, fork proyek lalu buat permintaan tarik kembali ke master.