Algoritmo Hormiga

Autor Uziel Octavio Gonzlez Escorcia Introduccin. Ant Colony Optimization Enfoque Algoritmo Hormiga Referencias
El enfoque ACO (Ant Colony Optimization) engloba a todos aquellos algoritmos cuyo diseo est basado en el comportamiento de las colonias de hormigas reales. Un Algoritmo ACO es un proceso distribuido en el que un conjunto de agentes (reactivos) que actan en forma independiente y cooperan espordicamente en forma indirecta para llevar a cabo un objetivo comn. El enfoque ACO es particularmente adecuado para ser aplicado a problemas que acepten una representacin va grafo (necesario para imitar la bsqueda de un camino).

Ant Colony Optimization

Los algoritmos ACO (Ant Colony Optimization) son modelos inspirados en el comportamiento de colonias de hormigas reales. Estudios realizados explican cmo animales casi ciegos, como son las hormigas, son capaces de seguir la ruta ms corta en su camino de ida y vuelta entre la colonia y una fuente de abastecimiento. Esto es debido a que las hormigas pueden "transmitirse informacin" entre ellas gracias a que cada una de ellas, al desplazarse, va dejando un rastro de una sustancia llamada feromona a lo largo del camino seguido. As, mientras una hormiga aislada se mueve de forma esencialmente aleatoria, los "agentes" de una colonia de hormigas detectan el rastro de feromona dejado por otras hormigas y tienden a seguir dicho rastro. stas a su vez van dejando su propia feromona a lo largo del camino recorrido y por tanto lo hacen ms atractivo, puesto que se ha reforzado el rastro de feromona. Sin embargo, la feromona tambin se va evaporando con el paso del tiempo provocando que el rastro de feromona sufra, por otro lado, cierto debilitamiento. En definitiva, puede decirse que el proceso se caracteriza por una retroalimentacin positiva, en la que la probabilidad con la que una hormiga escoge un camino aumenta con el nmero de hormigas que previamente hayan elegido el mismo camino.

comportamiento de las colonias de hormigas reales. Las hormigas reales (ciertas especies) dejan un rastro (feromona) que puede ser detectado por el resto de la colonia (comunicacin indirecta o stigmergy) Un Algoritmo ACO es un proceso distribuido en el que un conjunto de agentes (reactivos) que actan en forma independiente y cooperan espordicamente en forma indirecta para llevar a cabo un objetivo comn. El enfoque ACO es particularmente adecuado para ser aplicado a problemas que acepten una representacin va grafo (necesario para imitar la bsqueda de un camino) Representacin del rastro de feromona y su asociacin a las conexiones entre las componentes del problema. Posibilidad de aadir conocimiento del problema (heurstica local) para guiar junto con el rastro la construccin de las soluciones. Cuando una hormiga pasa por el camino corto, el tiempo de evaporacin es menor que si va por el largo. Las dems hormigas eligen ir por el camino corto porque huele ms que en el largo. Cuanto ms rato pasa, ms hormigas eligen el camino corto pues cada vez huele ms y el largo menos. Al final, todas van por el corto.

Enfoque Algoritmo Hormiga

El enfoque ACO engloba a todos aquellos algoritmos cuyo diseo est basado en el

feromona artificial y por una informacin calculada a priori de manera heurstica. La regla probabilstica para el caso del TSP es:

Los algoritmos ACO son procesos iterativos. En cada iteracin se "lanza" una colonia de m hormigas y cada una de las hormigas de la colonia construye una solucin al problema. Las hormigas construyen las soluciones de manera probabilstica, guindose por un rastro de

Referencias
[1] DORIGO, M., DI CARO, G. y GAMBARDELLA, L.M., (1999), "Ant Algorithms for Discrete Optimization", Artificial Life, 5:3, pp. 137-172.