ant colony optimization

개미 식민지 최적화

ACO(Ant Colony Optimization)를 사용하여 그래프에서 최단 경로를 찾는 Python 패키지입니다.

➡️ 자세한 내용은 내 Medium 기사를 확인하세요.

Ant Colony Optimization 알고리즘은 그래프를 통해 좋은 경로를 찾는 것으로 축소될 수 있는 계산 문제를 해결하기 위한 확률적 기술입니다(출처).

이 ACO 알고리즘 구현은 NetworkX 그래프 환경을 사용합니다.

시작하기

PyPi에서 직접 패키지를 설치하려면:

$ pip install aco_routing

용법

확인해 보세요: example.py

모든 종속성을 가져옵니다.

 aco_routing에서 ACOimport networkx를 nx로 가져옵니다.

노드와 에지가 있는 NetworkX.Graph 객체를 만듭니다.

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

ACO를 사용하여 source 와 destination 사이의 최단 경로와 비용을 찾습니다.

 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,
)

산출:

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

내용물

개미

aco_routing.Ant

• 그래프를 횡단하는 Ant .

ACO

aco_routing.ACO

• 그래프의 다양한 노드에서 개미를 생성하고 지정된 소스와 대상(의사 코드) 사이의 최단 경로를 찾는 전통적인 Ant Colony Optimization 알고리즘입니다.

기여

• GitHub 문제 페이지에 문제와 제안 사항을 게시하세요.

• 기여하려면 프로젝트를 포크한 다음 마스터에 다시 끌어오기 요청을 생성하세요.