UMĚLÁ INTELIGENCE V AUTOMOTIVE / David et al.

V kontextu (5.13) prohib k (k = 1, 2, …m) ukazuje, že dané město bylo navštíveno mravencem k , na počátku má prohib k jen jeden prvek (počáteční město). V průběhu apli kace algoritmu se rozsah proměnné prohib k postupně zvyšuje. Výraz allow k = {1, 2, …, n} – prohib k určuje následující město, směr, který je mravencem k povolen. [5.14] Parametr η ij symbolizuje dohlednost a je odvozena z délky určité trasy mezi dvěma městy, konkrétně i a j . Hodnoty α a β mají vliv na koncentraci feromonu τ a dohlednost η . S časem feromony na každé cestě ztrácí svou sílu, což ovlivňuje efektivitu evoluč ních procesů. Pro řešení tohoto problému využívá ACA algoritmus metodu pozitivní ho feedbacku, která umožňuje posílení evolučního procesu a zároveň efektivní využití paralelního zpracování dat. Tato kombinace strategií přispívá k optimalizaci výsledků evolučních algoritmů a umožňuje efektivní adaptaci k měnícím se prostředím. [5.14] Nepřetržitý tok sdílení informací a komunikace mezi jedinci Pokračující proces výměny informací a komunikace mezi jednotlivci hraje klí čovou roli při hledání lepších a efektivnějších řešení. Zvláště v situacích, kdy existuje pouze jeden jedinec, je snadné se soustředit pouze na lokální extrém a ztratit ze zřetele širší perspektivu. Právě díky komunikaci a výměně informací s ostatními jednotlivci je možné získat nové pohledy a nápady, které mohou vést k objevení inovativních řešení. Spolupráce mnoha jedinců v kolonii otevírá jedinečnou možnost vytvoření různých možností řešení, které mohou výrazně zlepšit účinnost a úspěšnost realizace dalších variant řešení. Pohyb jednotlivých jedinců v kolonii je určen náhodnými interakcemi a dynamic kými propojeními mezi různými členy. Tato náhodnost poskytuje prostředí, ve kterém lze zkoumat různé možnosti a stra tegie s cílem dosáhnout optimálního výsledku. Opatření přijatá k vyloučení možnosti výskytu lokálního extrému ve výpočetních algoritmech, jako je například anténní systém, mohou zpomalit rychlost konvergen ce optimalizačních procesů. Při zvětšování velikosti kolonie v mraveništi se prodlužuje doba potřebná k nalezení nejlepší trasy, neboť anténní algoritmy budou mít k dispozici větší množství možných cest k prozkoumání. Tato situace může vést k vyššímu časo vému zatížení výpočetních algoritmů, které se snaží najít optimální cestu pro kolonii. S nárůstem počtu možných tras se zvyšuje složitost prohledávání a analýzy, což může vést k delšímu času potřebnému k nalezení řešení. Tato situace vyžaduje upravení optimalizačních metod a strategií pro řízení prů zkumu prostoru a urychlení nalezení optimálního řešení. Princip mravenčí kolonie je v současné době předmětem značného zájmu vědeckého výzkumu, a to zejména v oblasti optimalizace algoritmů. Tento princip, inspirovaný cho váním mravenců při hledání nejkratší cesty k potravnímu zdroji, je předmětem mnoha vý zkumných prací a studií. Ačkoli byla dosažena značná vylepšení a optimalizace tohoto algo ritmu, nelze tvrdit, že je již v dokončené fázi optimalizace. Naopak, zdá se, že pro řešení pro blému obchodního cestujícího je velmi efektivní a je teprve na počátku svého vývoje. [5.17] Dalším představitelem evolučních metod v oblasti optimalizace je evoluční algorit mus, který se řadí mezi metaheuristické techniky. Jeho návrh je inspirován biologickou evolucí a procesem přirozeného výběru. Evoluční algoritmus je schopen řešit širokou škálu

71