Sunteți pe pagina 1din 15

Algoritmul Ants de optimizare discret

Un algoritm relativ nou, utilizat n domeniul optimizrilor discrete este inspirat din viaa insectelor. Algoritmul se bazeaz pe capacitatea acestora de a aciona n ansamblu pentru ndeplinirea unei sarcini, fiecare individ nefiind capabil s ating singur acest obiectiv. Acest proces este un tip de mecanism de optimizare distribuit, ntruct fiecare furnic d numai o foarte mic contribuie. Vom studia o colonie de furnici artificiale, capabil s rezolve problema comis-voiajorului (T !". #urnicile coloniei artificiale, sunt capabile s genereze succesiv tururi fezabile, din ce n ce mai scurte, utiliznd informaia acumulat sub form de dr de feromon, depozitat pe muc$iile grafului unei probleme T !. %olonia de furnici este capabil s genereze soluii bune, att pentru instane simetrice ct &i asimetrice ale T !. 'etoda este un e(emplu precum )simulated annealing*, )reelele neuronale* &i )calculul evolutiv*, al utilizrii cu succes a unor metafore din natur pentru a proiecta algoritmi de optimizare. Furnicile reale sunt capabile s gseasc cel mai scurt drum dintre o surs de mncare &i mu&uroi (+oss, Aron, &.a. ,-.-" fr s utilizeze contactul vizual. /e asemenea ele sunt capabile s se adapteze la sc$imbrile din mediu, de e(emplu s gseasc o nou cale cea mai scurt din momentul n care cea vec$e nu mai este disponibil datorit apariiei unui obstacol nou. %onsiderm #ig. ,.A0 furnicile se mi&c pe linia dreapt ce une&te sursa de mncare cu mu&uroiul. 1ste bine cunoscut c principala metod a furnicilor de a forma &i menine linia este dra de feromon. #urnicile depoziteaz o anumit cantitate de feromon atunci cnd se deplaseaz &i fiecare furnic prefer probabilistic s urmeze o direcie mai bogat n feromon. Acest comportament al furnicilor reale

poate fi utilizat pentru a e(plica cum acestea pot gsi drumul cel mai scurt care reconecteaz o linie ntrerupt de apariia brusc a unui obstacol (#ig. ,.2".

#ig., %um gsesc furnicile reale drumul cel mai scurt

3n fapt, odat ce obstacolul a aprut acele furnici care se afl n faa obstacolului nu mai pot continua s urmreasc dra de feromon &i de aceea ele trebuie s aleg ntre a se ntoarce la stnga sau la dreapta. 3n aceast situaie ne a&teptm ca 4umtate dintre furnici s aleag s se ntoarc la dreapta iar cealalt 4umtate la stnga. 5 situaie similar poate fi gsit de cealalt parte a obstacolului (#ig. ,.%". 1ste interesant de notat c acele furnici care au ales drumul mai scurt mpre4urul obstacolului vor reconstitui mai rapid urma de feromon comparativ cu cele ce au ales drumul mai lung. Astfel drumul mai scurt va primi o cantitate mai mare de feromon pe unitatea de timp &i n punctul de ntrerupere a vec$iului drum, un numr mai mare de furnici vor alege drumul mai scurt. /atorit acestui proces de feedback pozitiv toate furnicile vor alege rapid calea mai scurt (#ig. ,./". %el mai interesant aspect al acestui proces autocatalitic, este acela c, gsirea celui mai scurt drum n 4urul obstacolului pare s fie o proprietate emergent a interaciunii dintre forma obstacolului &i comportamentul distribuit al furnicilor. /e&i toate furnicile se mi&c apro(imativ cu aceea&i vitez &i depoziteaz o dr de feromon cu apro(imativ aceea&i rat este clar c, dureaz mai mult s ncon4oare obstacolul pe partea mai lung dect pe partea mai scurt, ceea ce face ca dra de feromon s se acumuleze mai rapid pe calea mai scurt. Vom studia n continuare, cum un proces similar poate fi pus s lucreze ntr6o lume locuit de furnici artificiale care s ncerce s rezolve problema comis6 voia4orului.

!roblema comis6voia4orului (T !" este problema gsirii celui mai scurt tur nc$is care viziteaz toate ora&ele dintr6un set dat. e consider problema T ! restricionat la cazul n care, ora&ele se afl situate ntr6un plan &i e(ist o cale ntre fiecare dou ora&e (graful T ! este complet conectat". istemul de furnici utilizeaz n modelarea T ! o reprezentare sub form de graf a&a cum este definit n #ig. 7 argumentele avnd urmtoarea semnificaie0
-

(r,s) o msur a costului muc$iei (r,s)8 (r, s) o msur a atractivitii muc$iei (r,s) numit feromon care este updatat

de ctre furnicile artificiale. T ! #ie V; <a, . . ., z= un set de ora&e, A; <(r,s) # r,sV= setul de muc$ii, &i o msur a costului asociat fiecrei muc$ii (r,s) A T ! este problema gsirii turului nc$is de cost minim ce viziteaz fiecare ora& o dat. 3n cazul n care, ora&ul rV este dat prin coordonatele sale ($r, %r) &i este distana 1uclidian dintre r &i s vom spune c avem un T ! euclidian AT ! /ac pentru cel puin unele muc$ii (r,s) atunci T ! devine un T ! asimetric #ig.7 !roblema comis6voia4orului (T !"

%nd sistemul de furnici este aplicat unei instane simetrice a T !, (r, s) = (s, r) , iar atunci cnd el este aplicat unei instane asimetrice este posibil ca (r, s) (s, r) . 9nformal, un sistem de furnici lucreaz a&a cum este descris n continuare. #iecare furnic genereaz un tur complet n problema T !, prin alegerea ora&elor conform unei reguli de tranzi ie !ntre stri probabilistic0 #urnicile prefer s se mute ntr6un ora& care este conectat printr6un drum mai scurt &i are o cantitate mai mare de feromon.

5dat ce toate furnicile &i6au completat turul o regul de actualizare global a feromonului este aplicat0 5 fraciune din feromon se evapor pe toate muc"iile (muc$iile care nu sunt remprosptate devin mai puin atractive", &i apoi fiecare furnic depoziteaz o cantitate de feromon pe care fiecare muc$ie care aparine turului su, proporional cu lungimea turului parcurs. %u alte cuvinte, muc$iile care

aparin mai multor tururi scurte sunt muc$iile care primesc cea mai mare cantitate de feromon. !rocesul este apoi repetat. &egula de tranzi ie a strilor utilizat de sistemul de furnici, numit regul aleator proporional, este dat de ecuaia (,", care d probabilitatea cu care fiecare furnic k din ora&ul r alege s se mute n ora&ul s.

[ A(r, s"] [ @(r, s"] C C p B (r, s" = [ A(r, u "] [ @(r, u "] u? B (r" >
unde0
-

daca s ? B (r" altfel

(,"

este feromonul,
) = ( '

este inversul distanei (r, s) ,

*k(r) este setul de ora&e rmase de vizitat de furnica k poziionat n ora&ul r (pentru a face soluia fezabil",
+

este un parametru care pondereaz importana relativ dintre feromon &i

distan (+ >,) . 3n ecuaia (,", se multiplic feromonul de pe muc$ia (r,s), prin valoarea euristic corespunztoare )(r, s) . 3n acest fel este favorizat alegerea muc$iilor care sunt mai scurte &i care au o cantitate mai mare de feromon. 3n sistemele de furnici, regula de updatare global, este implementat a&a cum urmeaz. 5dat ce toate furnicile &i6au construit turul lor, feromonul este updatat pe toate muc$iile potrivit ecuaie (7".
(r, s) ( , E ) (r, s) + D k (r, s)
k =( m

(7"

unde

, k (r, s) = -k >

daca (r, s) turului dat de furnica k altfel

n care0
-

> < E < , este parametrul de evaporare a feromonului,

-k este lungimea turului realizat de furnica k, m este numrul de furnici.

Actualizarea feromonului aloc o cantitate mai mare de feromon turului mai scurt. 3ntr6un anumit sens, metoda este similar unei sc"eme de !ntrire a !nv rii n care

cea mai bun soluie capt o mai mare ntrire. #ormula de actualizare a feromonului, dore&te s simuleze modificare cantitii de feromon, att n sensul depozitrii de feromon nou de ctre furnicile ce viziteaz muc$iile, ct &i de evaporare a feromonului. #eromonul plasat pe muc$ii 4oac rolul unei memorii, de termen lung, distribuite. Aceast memorie nu este depozitat local cu furnicile individuale, ea este distribuit pe muc$iile grafului. Aceasta permite o form indirect de comunicare numit )stigmergG*.

ACS (Colonie de furnici artificiale)

A% difer de sistemul de furnici anterior prin trei mari aspecte0 (," regula de tranzi ie !ntre stri ofer o cale direct de balansare ntre e(plorarea de noi muc$ii &i e(ploatarea cuno&tinelor acumulate anterior despre problem, (7" regula global de actualizare este aplicat numai muc$iilor care aparin celui mai bun tur &i (:" cnd furnicile construiesc o soluie, o regul local de actualizare a feromonului este aplicat. 9nformal, A% lucreaz astfel0 m furnici sunt iniial poziionate n n ora&e alese conform unei reguli de iniializare (de e(emplu aleator". #iecare furnic construie&te un tur (o soluie fezabil a T !" prin aplicarea repetat a unei reguli sto"astice greed% (regula de tranziie a strilor". %nd construie&te turul su, o furnic modific de asemenea cantitatea de feromon de pe muc"iile vizitate prin aplicarea unei reguli de actualizare local. 5dat ce toate furnicile &i6au terminat turul lor cantitatea de feromon de pe muc$ii este modificat din nou prin aplicarea regulii de actualizare global.
Iniializare

Repet IJ fiecare repetare a buclei este numit iteraie JI #iecare furnic este poziionat ntr6un nod de start Repet IJ la acest nivel fiecare repetare a buclei este numit pas JI #iecare furnic aplic regula de tranzi ie a strii pentru a construi pas cu pas o soluie &i regula de actualizare local a feromonului. Pn cnd toate furnicile au construit o soluie complet &egula de actualizare global a feromonului este aplicat H Pn cnd %ondiie de sfr&it #ig.:. Algoritmul A%

A&a cum este cazul sistemului de furnici, furnicile sunt g$idate n construirea tururilor lor, att de informa ii euristice (ele prefer s aleag muc$iile mai scurte", ct &i de informa ia de feromon. 5 muc$ie cu cantitate ridicat de feromon este o alegere foarte atractiv. Kegulile de updatare a feromonului sunt astfel proiectate nct ele tind s ncarce cu mai mult feromon muc$iilor care au fost cele mai vizitate. Algoritmul A% este dat n #ig.:. 3n continuare se prezint regula de tranzi ie a strilor, regula de actualizare global, &i regula de actualizare local.

A. Regula de tranziie a strilor ACS 3n A% regula de tranzi ie a strilor este urmtoarea0 o furnic poziionat n nodul r alege ora&ul s n care s se mute aplicnd regula dat de ecuaia (:".
arg ma( [ (r , u "] [ (r , u "] s = u * k ( r " /

dac 0 0> altfel

(e(ploatare" (e(plorare"

(:"

unde0 0 este un numr cu distribuie uniform ntre L> .. ,M, 0, este un parametru (> 0> ," , / este o variabil aleas aleator n acord cu distribuia probabilistic dat n

ecuaia (,". Kegula de tranziie a strii rezultat din ecuaiile (:" &i (," este numit regula pseudo-aleator-propor ional. Aceast regul de tranziie a strilor ca &i regula anterioar aleator6proporional favorizeaz tranziia ctre noduri conectate prin muc$ii scurte &i o cantitate mare de feromon. !arametrul 0, determin relativa importan a e(ploatrii comparativ cu e(plorarea0 de fiecare dat cnd o furnic aflat ntr6un ora& r trebuie s aleag un ora& s n care s se mute se e&antioneaz un numr aleator > 0 , . /ac 0 0> atunci cea mai bun

muc$ie (conform ecuaiei (:"" este aleas (e$ploatare", altfel se alege o muc$ie conform ecuaiei (," (e$plorare dirijat".

. Regula de actualizare glo!al ACS 3n A% numai furnica cea mai bun (furnica care gse&te cel mai scurt tur de la nceputul iteraiei" este lsat s depoziteze feromon. Aceast alegere, mpreun cu utilizarea regulii pseudo6aleator proporionale intenioneaz s fac cutarea mai direc ionat0 furnicile caut n vecintatea celui mai bun tur gsit pn la iteraia curent a algoritmului. 1ctualizarea global este realizat dup ce toate furnicile &i6au completat turul.Oivelul de feromon este updatat prin aplicarea regulii de actualizare global din ecuaia (F". (r , s " (, " (r , s " + (r , s " ( - " , unde (r , s " = gb > unde0 dac (r, s" turului global cel mai bun altfel (F"

> < < , este un parametru de scdere a feromonului,


-gb este lungimea celui mai bun tur de la nceputul e(perimentului.

%a &i n cazul sistemului de furnici, actualizarea global este realizat cu intenia de a oferi o cantitate mai mare de feromon tururilor cele mai scurte. 1cuaia (F" impune ca numai acele muc$ii ce aparin celui mai bun tur global s fie remprosptate. 1(ist &i varianta de a se utiliza ca parametru al reguli de actualizarea -ib6lungimea celui mai scurt tur dat de iteraia curent. 3n acest caz regula de actualizare global este numit iteration best. C. Regula de actualizare local ACS %t timp se construie&te o soluie a T !, furnicile viziteaz muc$iile &i modific nivelul de feromoni al acestora prin aplicarea reguli de actualizare local dat de ecuaia (H"

(r , s " (, " (r , s " + (r , s " unde > < < , este un parametru. Termenului (r , s " i se pot da diferite forme0 inspirat din 2-learning. 3n acest caz0

(H"

(sr,="maz
z*k(s"

n care > , -

(r , s " = > , unde > este nivelul iniial de feromon, ( r , s " = > .
Kolul regulii de actualizare local n A% este de a marca tururile, astfel c,

ora&ele vizitate mai devreme n turul unei furnici poate fi e(plorat mai trziu n turul altei furnici. %u alte cuvinte, efectul updatrii locale este de a face atractivitatea muc$iilor s se sc$imbe dinamic0 de fiecare dat cnd o furnic utilizeaz o muc$ie aceasta devine mai puin atractiv (n cazul n care ea pierde o parte din feromon". 3n acest mod furnicile vor realiza o mai bun utilizare a informa iei stocate !n feromon 0 fr updatarea local toate furnicile ar cuta ntr6o vecintate ngust a celui mai bun tur anterior. ". Setarea parametrilor ACS 3n toate e(perimentele realizate de '. /oringo s6au utilizat urmtorii parametrii numerici (cu e(cepia anumitor cazuri unde ei sunt indicai ca fiind diferii"0 = 7 , Q>;>.-, = = >., , > = (n -nn " , , unde -nn este lungimea turului produs de cel mai apropiat vecin euristic L:NM &i n este numrul de ora&e. Aceste valori au fost obinute ntr6o faz preliminar de optimizare n urma e(perimentelor gsindu6 se c valorile optime sunt n general independente de problem, cu e(cepia lui A > pentru care a&a cum s6a spus > = (n -nn " , . Oumrul de furnici utilizat, a fost ales conform unei logici ce va fi aprofundat ulterior. 3n ceea ce prive&te poziia iniial a furnicilor, acestea sunt plasate n mod aleator, cu cel mult o furnic n fiecare ora&.

Studiul unor caracteristici ale ACS

A. Comportamentul feromonului #i relaia sa cu performana !entru a se nelege, ce mecanism utilizeaz A% 6ul n cutarea soluiei optime, s6a studiat cum se modific produsul feromon6apropiere [ (r,s)] [ )(r,s)] + n timpul rulrii. 3n #igura F, se prezint cum produsul feromon6apropiere se sc$imb cu numrul de pa&i, cnd furnicile &i construiesc soluii (#igura F este o abstractizare a grafurilor obinute e(perimental".

#ig.F. #amilii de muc$ii clasificate conform comportamentului diferit al produsului feromon6apropiere. 'edia nivelului produsului feromon6 apropiere se sc$imb n fiecare familie pe durata unei iteraii a algoritmului (i.e. pe durata a n pa&i".

e consider trei familii de muc$ii0 (i" acelea care aparin celui mai bun ultim tur (21, 2est 1dges", (ii" acelea care nu aparin ultimului celui mai bun tur, dar care au aparinut unui cel mai bun tur din cele dou iteraii anterioare (T1, Testable 1dges", (iii" muc$iile care au mai rmas, acestea fiind cele nu au aparinut celui mai bun tur niciodat, sau n ultimele dou iteraii (U1, Uninteresting 1dges". 'edia produsului feromonRapropiere este calculat ca media valorilor feromon apropiere al tuturor muc$iilor n cadrul familiei. +raficul (#igura F" arat n mod clar c A% favorizeaz e(ploatarea muc$iilor din 21 (muc$iile din 21 sunt alese cu o probabilitate 0,;>.-" &i e(plorarea muc$iilor din T1 (reamintim c,

conform ecuaiilor : &i , muc$iile cu un produs mai mare feromon6apropiere au o probabilitate mai mare de a fi e(plorate". Un aspect interesant este acela n timp ce muc$iile sunt vizitate de furnici, aplicarea regulii de updatare local, ecuaia H face ca nivelul lor de feromoni s se diminueze fcndu6le din ce n ce mai puin atractive &i prin aceasta favoriznd e(plorarea muc$ilor care nu au fost vizitate. Updatarea local are ca efect mic&orarea feromonului pe muc$iile vizitate astfel nct acestea ncep s devin mai puin atractive &i prin aceasta ele vor fi alese cu o probabilitate mai mic de ctre alte furnici n pa&ii rma&i ai curentei iteraii a algoritmului. %a o conseci, furnicile nu vor converge niciodat la un drum comun. Acest fapt, care a fost observat e(perimental este o proprietate dorit care asigur c furnicile vor e(plora ci diferite, &i n consecin o probabilitate mai mare ca una dintre ele s gseasc o soluie mbuntit comparativ cu cazul n care toate furnicile ar converge la acela&i drum (ceea ce ar face utilizarea a m furnici inutil". 5bservaiile e(perimentale au artata c muc$iile din 21, atunci cnd A% 6ul obine o bun performan, vor fi apro(imativ degradate ctre T1 dup o iteraie a algoritmului iar muc$iile din T1 vor fi curnd degradate ctre U1, doar dac nu se ntmpl s aparin unui nou cel mai bun tur. 3n #igura Ha &i Hb se prezint dou comportamente tipice ale nivelului de feromon cnd sistemul are un comportament bun sau ru n raport cu performana.

#ig.H. #amilii de muc$ii clasificate conform comporatmentului diferit al nivelului produsului feromon6apropiere. !roblema 1ilH, a"%omportamentul produsului feromon6apropiere cnd performana sistemului seste bun. %ea mai bun soluie s6a gsit dup ,>>> de iteraii0 F7N, . b" %omportamentul produsului feromon6apropiere cnd performanele sistemului sunt slabe. %ea mai bun soluie gsit dup ,>>> de iteraii0 FNH,

. $ptimizarea numrului de furnici

%onsiderm #igura N. #ie 7 > media nivelului de feromon pe muc$iile din 21 imediat dup ce au fost actualizate cu regula de updatare global, &i ,> media nivelului de feromon pe muc$iile din 21 nainte ca acestea s fie actualizate cu regula de updatare global ( ,> este deasemeni apro(imativ media nivelului de feromon pe muc$iile din T1 la nceputul unei iterii a algoritmului". ub ipoteza c valorile optime ale lui ( &i 7 sunt cunoscute, o estimare a numrului optim de furnici poate fi calculat dup cum urmeaz. &egula de updatare local este o relaie de recuren liniar de ordinul nti
3z = 3z , (, " + >

care are forma nerecurent dat de e(presia0


3z = 3> (, " z > (, " z + >

Stiind c e(act dup updatarea global 3> = 7 > (aceasta corespunde punctului de nceput al curbei 21 din #igura N", &i c dup ce toate furnicile &i6au construit drumul &i e(act nainte de updatarea global 3z = ,> (aceasta corespunznd punctului de sfr&it al curbei 21 din #igura N", se obine
, = 7 (, " z (, " z +, .

%onsidernd faptul c muc$iile din 21 sunt alese de fiecare furnic cu o probabilitate mai mare dect 0,, atunci o bun apro(imare a numrului z de furnici care updateaz local muc$iile din 21 este dat de z4m.0,. ubstituind n formulele anterioare se obine urmtoarea estimare a numrului optim de furnici0
m= log(, ," log(7 ," 0> log(, "

Aceast formul arat n mod esenial c numrul optim de furnici este o funcie de , &i 7 . !n acum nu s6a identificat o formul a funciilor , ( n" &i
7 ( n" , care s ne spun cumm se modific , &i 7 ca o funcie de dimensiunea

problemei. 5bservaii e(perimentale au artat c A% lucreaz bine la o valoare a raportului (, ," I(7 ," >.F , ceea ce conduce la m;,>.

#ig.N. c$imbarea mediei nivelului de feromon pe durata unei iteraii a algoritmului pentru muc$iile din familia 21. 'edia nivelului de feromon pe muc$iile din 21 porne&te de la &i descre&te de fiecare dat cnd o furnic viziteaz o muc$ie din 21. /up o iteraie a algoritmului, fiecare muc$ie din 21 a fost vizitat n medie de ori, &i la final valoarea nivelului de feromon este .

C. Cooperarea %ntre furnici 3n aceast seciune se prezint rezultatul a dou e(perimente simple care arat cum A% e(ploteaz efectiv cooperarea mediat de feromoni. /e vreme ce furnicile coopereaz prin sc$imbarea de informaii via feromon, pentru ca furnicile s nu coopereze este sufucient s le facem oarbe la feromon. 3n practic acest lucru se obine prin dezactivarea ecuaiilor F &i H, &i setarea nivelului iniial de feromon > = , pe toate muc$iile. %nd se face comparaie ntre o colonie de furnici cooperante cu o colonie de furnici necooperante, pentru a face comparaia corect, se utilizeaz timpul procesor pentru a calcula performana inde(at, astfel nct s se reduc pentru comple(itatea crescut, datorat updatrii feromonului, a abordrii cooperante. 3n primul e(periment distribuia primului timp de sfr5it, definit ca timpul scurs pn la gsirea primei soluii optime, este utilizat pentru a compara abordarea cooperant cu cea necooperant. Algoritmul este rulat de ,> mii de ori &i apoi s6a reprezentat grafic distribuia de probabilitate a timpului de procesor necesar s se gseasc valoarea optim (de e(emplu dac n ,>> de ncercri optimul este gsit dup e(act 77> de iteraii, atunci pentru valoarea 77> a abscisei vom avea !(77>";,>>I,>.>>>". #igura P arat c cooperarea mbunte&te foarte mult probabilitatea gsirii mai repede a soluiei optime.

3n al doilea e(periment (#igura .", cea mai bun soluie gsit este reprezentat grafic ca o funcie de timp (ms" pentru furnicile cooperante &i necooperante. Oumrul de furnici este fi(at n ambele cazuri0 m;F. 1ste interesant de notat c n cazul cooperrii, dup :>>ms, A% gse&te ntotdeauna soluia optim n timp ce furnicile necooperante nu sunt n stare s o gseasc dup .>>ms. !e durata primelor ,H>ms (adic nainte ca cele dou grafice din #igura . s se intersecteze", furnicile necooperante dep&esc performanele furnicilor cooperante. Valorile bune ale nivelului de feromon sunt nc nvate &i de aceea timpul consumat cu updatarea feromonului nu este nc compensat de avanta4ul pe care l ofer feromonul n sensul direcionrii cutrii ctre soluii bune.

#ig.P. %ooperarea sc$imb distribuia de probabilitate a primului timp de sfr5it# furnicile cooperante au mai mare probabilitate s gseasc mai repede soluia optim.

#ig... #urnicile cooperante gsesc soluii mai bune ntr6un timp mai scurt. ,

".&mportana feromonului #i a funciei euristice Kezultate e(perimentale au artat c funcia euristic este fundamental pentru ca algoritmul s obin rezultate bune ntr6un timp rezonabil. 3n fapt, cnd
=>

performanele se nrutesc semnificativ (vezi graficul )A% no $euristic* din #igura - ne arat dealtfel comportamentul A% ntr6un e(periment n care

#igura -". furnicile nu depoziteaz feromon (graficul )A% no p$eromone*". Kezultatul este

acela c, neutilizarea feromonului deterioreaz deasemeni performana. Aceasta este nc o alt confirmare a rezultatului despre rolul cooperrii prezentat n seciunea anterioar. 'otivul pentru care A% fr funcie euristic se comport mai bine dect A% 6ul fr feromonn este acela c n primul caz, c$iar dac nu este a4utat de informaiile euristice, A% 6ul este nc g$idat de remprosptarea oferit regula de updatare global sub form de feromon, n timp ce n al doilea caz A% 6ul se reduce la un algoritm sto$astic Tmulti6greedG*.

#ig.-. %omparaia dintre comportamentul A% standard, A% fr euristic (adic s6a setat ", &i A% n care furnicile nu utilizeaz feromon.

Un e(emplu de utilizare al acestui algoritm, este n problema rutajului ntr6o reea de comunicaii. 3n acest caz, furnicile sunt modelate prin agen i soft6are care navig$eaz ntre nodurile reelei. 1i modific informaiile stocate n tabela de rutare,
,

aceste informaii modelnd feromonul. %omparativ cu un agent softUare6furnic, care este )rutat* dup o lege aleator6proporional, un pac$et care conine informaii va fi rutat ntotdeauna pe calea optim. 3n cazul acestei probleme, dac se consider ca msur a costului unei muc$ii, l imea de band a acestei cone$iuni precum &i gradul de !ncrcare al acesteia, se constat c problema are parametrii dinamici. 3n cazul apariiei n reeaua de comunicaii a unei congestii se pot lansa mai muli ageni softUare de ctre nodul afectat care s transporte n restul reelei informaii privind apariia acestui )obstacol*. Alt e(emplu important de utilizare a algoritmului )Ants*, este cel al ec"ilibrrii liniilor de asamblare n care de e(emplu un )obstacol* poate modela defectarea unei instalaii. Algoritmul poate fi utilizat n orice problem de optimizare care se poate reduce la gsirea drumului minim !ntr-un graf.