論文の概要: Pheromone-Focused Ant Colony Optimization algorithm for path planning
- arxiv url: http://arxiv.org/abs/2601.07597v1
- Date: Mon, 12 Jan 2026 14:44:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:01.462854
- Title: Pheromone-Focused Ant Colony Optimization algorithm for path planning
- Title（参考訳）: 経路計画のためのフェロモン焦点アントコロニー最適化アルゴリズム
- Authors: Yi Liu, Hongda Zhang, Zhongxue Gan, Yuning Chen, Ziqing Zhou, Chunlei Meng, Chun Ouyang,
- Abstract要約: アントコロニー最適化(Ant Colony Optimization、ACO)は、経路計画に広く応用された顕著な群知能アルゴリズムである。
本稿では,アリコロニーの問題解決能力を高めるための3つの重要な戦略を紹介する。
実験の結果,PFACOはコンバージェンス速度と解品質の点で比較ACOアルゴリズムより一貫して優れていた。
- 参考スコア（独自算出の注目度）: 18.96731481217981
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ant Colony Optimization (ACO) is a prominent swarm intelligence algorithm extensively applied to path planning. However, traditional ACO methods often exhibit shortcomings, such as blind search behavior and slow convergence within complex environments. To address these challenges, this paper proposes the Pheromone-Focused Ant Colony Optimization (PFACO) algorithm, which introduces three key strategies to enhance the problem-solving ability of the ant colony. First, the initial pheromone distribution is concentrated in more promising regions based on the Euclidean distances of nodes to the start and end points, balancing the trade-off between exploration and exploitation. Second, promising solutions are reinforced during colony iterations to intensify pheromone deposition along high-quality paths, accelerating convergence while maintaining solution diversity. Third, a forward-looking mechanism is implemented to penalize redundant path turns, promoting smoother and more efficient solutions. These strategies collectively produce the focused pheromones to guide the ant colony's search, which enhances the global optimization capabilities of the PFACO algorithm, significantly improving convergence speed and solution quality across diverse optimization problems. The experimental results demonstrate that PFACO consistently outperforms comparative ACO algorithms in terms of convergence speed and solution quality.
- Abstract（参考訳）: アントコロニー最適化(Ant Colony Optimization、ACO)は、経路計画に広く応用された顕著な群知能アルゴリズムである。
しかし、従来のACO手法では、視覚的な探索行動や複雑な環境における緩やかな収束といった欠点がしばしば現れている。
これらの課題に対処するために,本研究では,アリコロニーの問題解決能力を高めるための3つの重要な戦略を提案する,フェロモン焦点付きアントコロニー最適化(PFACO)アルゴリズムを提案する。
まず、初期フェロモン分布は、始点と終点までのユークリッド距離に基づいてより有望な領域に集中し、探索と搾取の間のトレードオフのバランスをとる。
第二に、期待できる解はコロニー反復の間に強化され、高品質な経路に沿ってフェロモンの沈着が強化され、溶液の多様性を維持しながら収束が加速される。
第三に、冗長なパスターンをペナルタイズし、よりスムーズで効率的なソリューションを促進する前方視機構が実装されている。
これらの戦略は、集中したフェロモンを生成し、アリコロニーの探索を誘導し、PFACOアルゴリズムのグローバルな最適化能力を向上し、様々な最適化問題に対する収束速度とソリューション品質を大幅に改善する。
実験の結果,PFACOはコンバージェンス速度と解品質の点で比較ACOアルゴリズムより一貫して優れていた。
関連論文リスト
- Multi-strategy Improved Northern Goshawk Optimization for WSN Coverage Enhancement [1.7188280334580195]
本稿では,無線センサネットワーク(WSN)の高度最適化手法を提案する。
マルチストラテジー統合のNorthern Goshawk Optimization (NGO)アルゴリズムに基づいている。
実験の結果,提案アルゴリズムは,カバレッジ向上とノード接続性の両方の観点から,既存のベンチマークよりも有意に優れていた。
論文 参考訳（メタデータ） (2026-01-05T08:43:27Z) - Faster Optimal Coalition Structure Generation via Offline Coalition Selection and Graph-Based Search [61.08720171136229]
本稿では,3つの革新的手法のハイブリッド化に基づく問題に対する新しいアルゴリズムSMARTを提案する。
これらの2つの手法は動的プログラミングに基づいており、評価のために選択された連立関係とアルゴリズムの性能の強力な関係を示す。
我々の手法は、問題にアプローチする新しい方法と、その分野に新しいレベルの精度をもたらす。
論文 参考訳（メタデータ） (2024-07-22T23:24:03Z) - Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。
STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。
複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
論文 参考訳（メタデータ） (2024-06-19T07:17:04Z) - Ant Colony Sampling with GFlowNets for Combinatorial Optimization [68.84985459701007]
Generative Flow Ant Colony Sampler (GFACS)は、階層的に償却推論と並列探索を組み合わせた新しいメタヒューリスティック手法である。
提案手法はまず,生成フローネットワーク(GFlowNets)を利用して,解空間上のエンフルティモーダル事前分布を補正する。
この前者は、Ant Colony Optimization (ACO) の精神で並列探索によって更新され、後部分布がほぼ最適解を生成する。
論文 参考訳（メタデータ） (2024-03-11T16:26:06Z) - A new simplified MOPSO based on Swarm Elitism and Swarm Memory: MO-ETPSO [0.0]
Elitist PSO (MO-ETPSO) は多目的最適化問題に適用される。
提案アルゴリズムは、確立されたNSGA-IIアプローチからコア戦略を統合する。
このアルゴリズムの新たな側面は、SwarmメモリとSwarmエリート主義の導入である。
論文 参考訳（メタデータ） (2024-02-20T09:36:18Z) - Herder Ants: Ant Colony Optimization with Aphids for Discrete
Event-Triggered Dynamic Optimization Problems [0.0]
現在利用可能なAnt Colony Optimization (ACO)アルゴリズムの動的最適化戦略は、各動的変化が発生した後、遅いアルゴリズム収束またはソリューション品質に対する重大なペナルティのトレードオフを提供する。
本稿では,アリとアフィドの共生関係をモデルとしたAphidsを用いたAnt Colony Optimization (ACO) という離散的動的最適化手法を提案する。
論文 参考訳（メタデータ） (2023-04-15T22:21:41Z) - VNE Strategy based on Chaotic Hybrid Flower Pollination Algorithm
Considering Multi-criteria Decision Making [12.361459296815559]
仮想ネットワーク埋め込み (Virtual Network Embedding, VNE) 問題に対するハイブリッド花の受粉アルゴリズムの設計戦略について論じる。
クロス操作は、グローバル検索を完了させるためにクロスポリン化操作を置き換えるために使用される。
従来のフィットネスベースの選択戦略の補完としてライフサイクルメカニズムが導入されている。
論文 参考訳（メタデータ） (2022-02-07T00:57:00Z) - Using Particle Swarm Optimization as Pathfinding Strategy in a Space
with Obstacles [4.899469599577755]
Particle Swarm Optimization (PSO) は集団適応最適化に基づく探索アルゴリズムである。
本稿では,幅広いアプリケーションを対象としたパスプランニングの効率化を図るため,パスフィニング戦略を提案する。
論文 参考訳（メタデータ） (2021-12-16T12:16:02Z) - IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。
提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。
加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文 参考訳（メタデータ） (2020-06-11T18:49:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。