الاسم: انطوانيت جبرا / صبا عبيد
الأستاذ المشرف: د. ايمان الناجي

في علوم الكمبيوتر وبحوث العمليات، تعد خوارزمية مستعمرة النمل تقنية احتمالية لحل المشكلات الحسابية التي يمكن اختزالها لإيجاد مسارات جيدة في الرسومات البيانية. النمل الاصطناعي في هذه الخوارزمية يمثل الحلول المتعددة الوكلاء ومستوحاة من سلوك النمل الحقيقي. الاتصالات القائمة على هرمون من النمل البيولوجي غالبًا ما يكون النموذج السائد المستخدم. [2] خليط من النمل الاصطناعي وخوارزميات البحث المحلية أصبحت وسيلة مفضلة للعديد من مهام التحسين التي تنطوي على نوع من الرسم البياني (Graph)، على سبيل المثال ، توجيه السيارة وتوجيه الإنترنت. وقد أدى النشاط المزدهر في هذا المجال إلى مؤتمرات مكرسة فقط للنمل الاصطناعي، والعديد من التطبيقات التجارية من قبل الشركات المتخصصة مثل AntOptima.

نظرة عامة

في العالم الطبيعي، يتجول بعض أنواع النمل (مبدئيًا) بشكل عشوائي، وعند العثور على طعام يعود إلى مستعمراته بعد ترك آثار في المسارات التي سار بها تُسمى فرمون. إذا وجد النمل الآخر هذا المسار، فمن المحتمل ألا يستمروا في السفر بشكل عشوائي، ولكن بدلاً من ذلك يتبعون الطريق، مما يعمل على تعزيزه إذا وجدوا في النهاية الطعام (انظر اتصال النملة). مع مرور الوقت، يبدأ الفرمون المُلقى في المسار في التبخر، مما يقلل من قوته الجذابة. مما يؤدي لمزيد من الوقت للنملة لتسير في الطريق والعودة مرة أخرى، كلما تبخرت الفيرومونات. مسار قصير، بالمقارنة، يسير على نحو أكثر تواترًا، وبالتالي تصبح كثافة الفيرمون أعلى على مسارات أقصر من المسارات الأطول. التبخير للفرمون أيضا لديه ميزة تجنب التقارب إلى الحل الأمثل محليًا (الحل الأمثل في مدى الرؤية، مع إمكانية وجود حل أمثل أبعد من ذلك). إذا لم يكن هناك تبخر على الإطلاق، فإن المسارات التي اختارها النمل الأول يميل إلى أن يكون جذابا للغاية لتلك التالية، في هذه الحالة سيكون استكشاف الفضاء لإيجاد حلول أفضل مقيدًا. وتأثير تبخير الفيرمون في أنظمة النمل الحقيقي غير واضح، لكنه مهم للغاية في النظم الصناعية. [8] والنتيجة الإجمالية هي أنه عندما يجد أحد النمل مسارًا جيدًا (أي قصيرًا) من المستعمرة إلى مصدر للغذاء، فإن النمل الآخر أكثر احتمالًا اتبع هذا المسار، وتؤدي التغذية الراجعة الإيجابية لباقي النمل تتبع مسار واحد. فكرة خوارزمية مستعمرة النمل هي لتقليد هذا السلوك مع “محاكاة النمل” بحيث يتيح للنمل الاصطناعي السير في الرسم البياني (Graph) وإيجاد أقصر الحلول.

نظام فرمون اصطناعي

الاتصالات القائمة على فرمون هي واحدة من أكثر الطرق فعالية للاتصال والتي لوحظت على نطاق واسع في الطبيعة، يستخدم فرمون خاص بالحشرات الاجتماعية مثل النحل والنمل والنمل الأبيض، وذلك للاتصالات بين وكيل وسرب؛ بسبب فعالية هذه الطريقة، فقد تم اعتماد الفيرومونات الاصطناعية في النظم الروبوتية المعتمدة على الاتصال بين عدة روبوتات، وكان التواصل القائم على فرمون ينفذ بوسائل مختلفة مثل الكيميائية [9] [10] أو المادية (علامات RFID ، [11] الضوء ، [12] [13] [14] [15] الصوت [16]). ورغم ذلك فإنّ تلك التطبيقات لم تكن قادرة على تكرار جميع جوانب الفيرومونات كما هو في الطبيعة.

 تم اقتراح استخدام الضوء المسقط [17] والذي يعدّ إعدادًا تجريبيًا للدراسة حول التواصل القائم على فرمون مع روبوتات مستقلة مصغرة، وهناك دراسة أخرى اقترحت طريقة جديدة لتواصل فرمون، COSΦ ،[18] لنظام يحتوي على سرب من الروبوتات بناءً على التوطين المرئي الدقيق والسريع. [19] يسمح النظام بمحاكاة عدد غير محدود من الفيرومونات المختلفة ويوفر نتيجة تفاعلهم كصورة رمادية على شاشة LCD أفقية تتحرك فيها الروبوتات لكي يشرح طريقة التواصل الفيرومونية، وقد تم تشغيل روبوت كولياس [20] المستقل ذاتيا كمنصة لسرب الروبوتات.

ملحقات مشتركة

فيما يلي بعض الأشكال الأكثر شيوعًا لخوارزميات مستعمرة النمل.

نظام النمل النخبوي

وهو أفضل حل عالمي والذي يقوم بإطلاق فرمون في كل تكرار للمسار مع باقي النمل في المجموعة.

نظام النمل القائم على الرتبة (ASrank)

يتم ترتيب جميع الحلول حسب طولها، ثم يتم وزن كمية الفرمون المودعة لكل حل، بحيث تصبح الحلول ذات المسارات الأقصر أكثر إيداعًا للفرمون من الحلول ذات المسارات الأطول.

مستعمرة النمل المتعامدة المستمرة (COAC)

آلية إيداع الفيرومون في COAC هي تمكين النمل من البحث عن حلول بشكل تعاوني وفعال باستخدام طريقة التصميم المتعامد، بحيث يمكن للنمل في المجال المُمكن استكشاف المناطق التي يختارونها بسرعة وكفاءة، مع تحسين عملية البحث والدقة،  ويمكن أيضًا توسيع أسلوب التصميم المتعامد وطريقة ضبط نصف القطر التكيفي إلى خوارزميات تحسين أخرى تقديم مزايا أوسع في حل المشكلات العملية. [21]

التحسين في مستعمرة النمل بشكل متكرر

إنه شكل تكراري لنظام النمل الذي يقسم مجال البحث بأكمله إلى عدة مجالات فرعية ويحل الهدف في هذه المجالات الفرعية. [22] تتم مقارنة النتائج من جميع المجالات الفرعية ويتم الترويج لأفضل عدد قليل منها للمستوى التالي.

 يتم تقسيم المجالات الفرعية المطابقة للنتائج المحددة بشكل إضافي ويتم تكرار العملية حتى يتم إخراج المطلوب بالدقة الممكنة، لقد تم اختبار هذه الطريقة في مشاكل الانعكاس الجيوفيزيائي غير المواتية وتعمل بشكل جيد. [23]

نقطة التقاء

بالنسبة لبعض إصدارات الخوارزمية، من الممكن إثبات أنها متقاربة (أي أنها قادرة على العثور على الأمثلية العالمية بشكل محدود الزمن)، وقد تمّ إجراء أول دليل على وجود خوارزمية مستعمرة النمل التقارب في عام 2000، وهي خوارزمية نظام النمل القائم على الرسم البياني، ثم خوارزميات ل ACS و MMAS.

مثل معظم الأرصاد الجوية، من الصعب للغاية تقدير السرعة النظرية للتقارب، في 2004، أظهر زلوشين وزملاؤه [24] أن خوارزميات من نوع COA يمكن استيعابها بطرق نزول الانحدار العشوائي، على إنتروبيا وتقدير خوارزمية التوزيع،  واقترحوا هذه الأدلة العليا كـ “نموذج قائم على البحث”.

تحليل أداء خوارزمية مستعمرة النمل المستمرة على أساس المعلومات المختلفة تشير إلى حساسية التقارب في ضبط المعلومات. [25]

تطبيقات

تم تطبيق خوارزميات تحسين مستعمرة النمل على العديد من مشاكل التحسين، بدءًا من الإحالة من الدرجة الثانية لطي البروتين أو مركبات التوجيه والكثير من الطرق المستمدة والتي تم تكييفها لديناميكية مشاكل في المتغيرات الحقيقية، مشاكل عشوائية، أهداف متعددة ومتوازية التنفيذ. كما تم استخدامه لإنتاج حلول شبه مثالية لمشكلة البائع المتجول. وتتميز هذه الخوارزميات عن غيرها مثل خوارزمية محاكاة الصلب و الخوارزمية الجينية من مشاكل مماثلة بتغيير الرسم البياني بشكل حيوي. يمكن تشغيل خوارزمية مستعمرة النمل بشكل مستمر والتكيف مع التغييرات في الوقت الحقيقي،  مما يفيد في أنظمة مثل شبكة التوجيه ونظم النقل في المناطق الحضرية.

أول خوارزمية لمستعمرة  النمل كانت تسمى بنظام النمل [26] وكانت تهدف إلى حل مشكلة البائع المتجول، حيث يكون الهدف هو العثور على أقصر رحلة ذهابًا وإيابًا بين سلسلة من المدن.   الخوارزمية العامة بسيطة نسبيًا وتستند إلى مجموعة من النمل، مما يجعل كل واحدة من الرحلات ذهابا وإيابًا المحتملة على طول المدن في كل مرحلة، تختار النملة الانتقال من مدينة إلى أخرى وفقًا لبعض القواعد:

 1. يجب أن تزور كل مدينة مرة واحدة بالضبط.

2. مدينة بعيدة لديها فرصة أقل في الاختيار (الرؤية) .

3. كلما كان مسار الفيرمون أكثر كثافة على حافة بين مدينتين، زاد احتمال ذلك وسيتم اختيار الحافة.

4. بعد اكتمال رحلتها، ترسب النملة عددًا أكبر من الفيرومونات على جميع الحواف التي اجتازتها، إذا كانت الرحلة قصيرة .

5. بعد كل تكرار، تتبخر مسارات الفيرومونات.

مشكلة الجدولة

مشكلة جدولة ورشة العمل (JSP) [27]

مشكلة جدولة المحلات المفتوحة (OSP) [28] [29]

مشكلة التغير في التدفق (PFSP) [30]

مشكلة التأخر الكلي لآلة واحدة (SMTTP) [31]

مشكلة تأخر إجمالي آلة واحدة (SMTWTP) [32] [33] [34]

مشكلة جدولة مشروع مقيدة الموارد (RCPSP) [35]

مشكلة جدولة المحلات الجماعية (GSP) [36]

مشكلة تأخر إجمالي لآلة واحدة مع أوقات إعداد تعتمد على التسلسل (SMTTPDST) [37]

مشكلة جدولة التدفقات المتعددة المراحل (MFSP) مع أوقات الإعداد / التغيير التي تعتمد على التسلسل [38]

مشكلة توجيه السيارة

مشكلة توجيه مركبة مكثفة (CVRP) [39] [40] [16]

مشكلة توجيه المركبات متعددة المستودعات (MDVRP) [42]

مشكلة في توجيه مسار السيارة (PVRP) [43]

مشكلة توجيه انقسام مركبة التسليم (SDVRP) [46]

مشكلة توجيه المركبات العشوائية (SVRP) [47]

مشكلة في توجيه السيارة مع البيك اب والتسليم (VRPPD) [48] [49]

مشكلة في توجيه السيارة مع النوافذ الزمنية (VRPTW) [50] [51] [52]

مشكلة توجيه مركبة تعتمد على الوقت مع نوافذ زمنية (TDVRPTW) [53]

مشكلة في توجيه السيارة مع الإطارات الزمنية والعاملين في الخدمة المتعددة (VRPTWMS)

مشكلة التعيين

مشكلة التعيين التربيعي (QAP) [54]

مشكلة التعيين العام (GAP) [55] [56]

مشكلة تخصيص التردد (FAP) [57]

مشكلة تخصيص التكرار (RAP) [58]

مشكلة المجموعات

مشكلة مجموعة الغطاء (SCP) [59] [60]

مشكلة التقسيم (SPP) [61]

مشكلة تقييد تقسيم شجرة الرسم البياني (WCGTPP) [62]

مشكلة شجرة l – الكاردينال شجرة (AWlCTP) [63]

مشكلة الحقيبة المتعددة (MKP) [64]

الحد الأقصى لمشكلة مجموعة مستقلة (MIS) [65]

تطبيقات أخرى

التنبؤ بالإفلاس [66]

تصنيف [67]

توجيه شبكة اتصال المنحى [68]

توجيه الشبكة دون اتصال [69] [70]

استخراج البيانات [71] [72] [73] [74]

التدفقات النقدية المخصومة في جدولة المشاريع [75]

استرجاع المعلومات الموزعة [76] [77]

تصميم شبكات الطاقة والكهرباء [78]

مشكلة جدولة سير عمل الشبكة [79]

تصميم الببتيد المثبط للتفاعلات البروتين البروتين [80]

نظام الاختبار الذكي [81]

تصميم الدوائر الإلكترونية للطاقة [82]

طي البروتين [83] [84] [85]

تحديد النظام [86] [87]

المنشورات (مختارة)

M. Dorigo, 1992. Optimization, Learning and Natural Algorithm,sPhD thesis, Politecnico di Milano, Ital.y

M. Dorigo, V. Maniezzo & A. Colorni, 1996. “Ant System: Optimization by a Colony of Cooperating Agent”s, IEEE Transactions on Systems, Man, and Cybernetics–Part B, 26 (1): 29–41.

M. Dorigo & L. M. Gambardella, 1997. “Ant Colony System: A Cooperative Learning Approach to the rTaveling Salesman Problem”. IEEE Transactions on Evolutionary Computation, 1 (1): 53–66.

M. Dorigo, G. Di Caro & L. M. Gambardella, 1999. A” nt Algorithms for Discrete Optimization”. Artificial Life, 5 (2): 137–172.

E. Bonabeau, M. Dorigo et G. Theraulaz, 1999.Swarm Intelligence: From Natural to Artificial System,sOxford University Press. ISBN 0-19-513159-2

M. Dorigo & T. Stützle, 2004. Ant Colony Optimization, MIT Press. ISBN 0-262-04219-3

M. Dorigo, 2007. “Ant Colony Optimization”. Scholarpedia.

C. Blum, 2005 “Ant colony optimization: Introduction and recent trends”. Physics of Life Reviews, 2: 353-373

Dorigo, M. Birattari & T. Stützle, 2006 Ant Colony Optimization: Artificial Ants as a Computational Intelligence Technique. TR/IRIDIA/2006-023
Mohd Murtadha Mohamad,”Articulated Robots Motion Planning Using Foraging Ant Strategy”,Journal of Information Technology – Special Issues in Artificial Intelglience, Vol.20, No. 4 pp. 163–181, December 2008,ISSN 0128-3790.

Monmarché, F. Guinand & P. Siarry (eds), “Artificial Ants”, August 2010 Hardback 576 pp.ISBN 978-1-84821- 194-0.
A. Kazharov, V. Kureichik, 2010. “Ant colony optimization algorithms for solving transportation problem”s, Journal of Computer and Systems Sciences International, Vol. 49. No. 1. pp. 30–43.

C-M. Pintea, 2014,Advances in Bio-inspired Computing for Combinatorial Optimization Proble,mSpringer ISBN 978-3-642-40178-7

K. Saleem, N. Fisal, M. A. Baharudin, A. A. Ahmed, S. Hafizah and S. Kamilah, “Ant colony inspired self-optimized routing protocol based on cross layer architecture for wireless sensor networks”, WSEASraTns. Commun., vol. 9, no. 10, pp. 669–678, 2010.ISBN 978-960-474-200-4

K. Saleem and N. Fisal, “Enhanced Ant Colony algorithm for self-optimized data assured routing in wireless sensor networks”, Networks (ICON) 2012 18th IEEE International Conference on, pp. 422–427IS. BN 978-1-4673-4523-1

المراجع

  1. Waldner, Jean-Baptiste (2008). Nanocomputers and Swarm Intelligence. London: ISTE John Wiley & Sons. p. 225. ISBN 978-1-84704-002-2.
    Monmarché Nicolas, Guinand Frédéric and Siarry Patrick (2010)A. rtificial Ants. Wiley-ISTE. ISBN 978-1-84821-194- 0.
    Dorigo, Gambardella, M, L.M.(1997). “Learning Approach to the Traveling Salesman Problem”. IEEE Transactions on Evolutionary Computation, 1 (1): 214.
    Ant Colony Optimization by Marco Dorigo and Thomas Stützle, MIT Press, 2004IS. BN 0-262-04219-3
    A. Colorni, M. Dorigo et V. Maniezzo, Distributed Optimization by Ant Colonies, actes de la première conférence européenne sur la vie artificielle, Paris, France, Elsevier Publishing, 134-142, 1991.
    M. Dorigo, Optimization, Learning and Natural Algorithm,sPhD thesis, Politecnico di Milano, Ital,y1992.
    Zlochin, Mark; Birattari, Mauro; Meuleau, Nicolas; Dorigo, Marco (1 October 2004). “Model-Based Search for Combinatorial Optimization: A Critical Survey”.Annals of Operations Research. 131 (1–4): 373–395. CiteSeerX 10.1.1.3.427 (https://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.3.427. ) doi:10.1023/B:ANOR.0000039526.52305.af(https://doi.org/10.1023%2FB%3AANOR.0000039526.52305.a.f) ISSN 0254-5330 (https://www.worldcat.org/issn/0254-5330).
    Marco Dorigo and Thomas Stültze, Ant Colony Optimization, p.12. 2004.
    Russell, R. Andrew. “Ant trails-an example for robots to follow?(https://ieeexplore.ieee.org/abstract/document/77400 5/).” Robotics and Automation, 1999. Proceedings. 1999 IEEE International Conference on.oVl. 4. IEEE, 1999.
    Fujisawa, Ryusuke, et al. “Designing pheromone communication in swarm robotics: Group foraging behavior mediated by chemical substance.” Swarm Intelligence 8.3 (2014): 227-246.
    Sakakibara, Toshiki, and Daisuke Kurabayashi. “Artificial pheromone system using rfid for navigation of autonomous robots (https://link.springer.com/article/10.1016/S1672-6529(07)60038-9).” Journal of Bionic Engineering 4.4 (2007): 245-253.
    Arvin, Farshad, et al. “Investigation of cue-based aggregation in static and dynamic environments with a mobile robot swarm (http://eprints.lincoln.ac.uk/22466/7/Aggregation-Final.pd.f”) Adaptive Behavior (2016): 1-17.
    Farshad Arvin, et al. “Imitation of honeybee aggregation with collective behavior of swarm robot(shttps://www.resear chgate.net/profile/Masoud_Bekravi/publication/241683938_Imitation_of_Honeybee_Aggregation_with_Collective_B havior_of_Swarm_Robots/links/546518320cf25b85d17d2587/Imitation-of-Honeybee-Aggregation-with-Collective-Be havior-of-Swarm-Robots.pdf).” International Journal of Computational Intelligence Systems 4.4 (2011): 739-748.
    Schmickl, Thomas, et al. “Get in touch: cooperative decision making based on robot-to-robot collision(shttp://swarmr obot.org/publications/Get_in_touch.pdf.)” Autonomous Agents and Multi-Agent Systems 18.1 (2009): 133-155.
    Garnier, Simon, et al. “Do ants need to estimate the geometrical properties of trail bifurcations to find an feicfient route? A swarm robotics test bed.(http://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1002903” ) PLoS Comput Biol 9.3 (2013): e1002903.
    Arvin, Farshad, et al. “Cue-based aggregation with a mobile robot swarm: a novel fuzzy-based method.” Adaptive Behavior 22.3 (2014): 189-206.
    Garnier, Simon, et al. “Alice in pheromone land: An experimental setup for the study of ant-like robot(shttp://citeseer x.ist.psu.edu/viewdoc/download?doi=10.1.1.716.1460&rep=rep1&type=pd.f”)2007 IEEE Swarm Intelligence Symposium. IEEE, 2007.
    Farshad Arvin et al. “COSΦ: artificial pheromone system for robotic swarms research(http://eprints.lincoln.ac.uk/179 57/1/APH-colias.pdf).” IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2015.
    Krajník, Tomáš, et al. “A practical multirobot ol calization system.” Journal of Intelligent & Robotic Systems 76.3-4 (2014): 539-562.
    Farshad Arvin, et al. “Colias: An autonomous micro robot for swarm robotic applications(http://journals.sagepub.co m/doi/pdf/10.5772/58730).” International Journal of Advanced Robotic Systems 11 (2014).
    T. Stützle et H.H. Hoos,MAX MIN Ant System, Future Generation Computer Systems, volume 16, pages 889-914, 2000
    M. Dorigo et L.M. Gambardella,Ant Colony System : A Cooperative Learning Approach to the rTaveling Salesman Problem (http://www.idsia.ch/~luca/acs-ec97.pdf), IEEE Transactions on Evolutionary Compuat tion, volume 1, numéro 1, pages 53-66, 1997.
    X Hu, J Zhang, and Y Li (2008). Orthogonal methods based ant colony search for solving continuous optimization problems. Journal of Computer Science and Technology, 23(1), pp.2-18. (http://eprints.gla.ac.uk/3894/)
    M. Zlochin, M. Birattari, N. Meuleau, et M. Dorigo,Model-based search for combinatorial optimization: A critical survey, Annals of Operations Research, vol. 131, pp. 373-395, 2004.
    V.K.Ojha, A. Abraham and V. Snasel, ACO for Continuous Function Optimization: A Performance Analysis(https://ar xiv.org/pdf/1707.01812), 14th International Conference on Intelligent Systems Design and Applications (ISDA), Japan, Page 145 – 150 978-1-4799-7938-7/14 2014 IEEE
    M. Dorigo, V. Maniezzo, et A. Colorni,Ant system: optimization by a colony of cooperating agents(http://www.cs.uni bo.it/babaoglu/courses/cas05-06/tutorials/Ant_Colony_Optimization.pd,f)IEEE Transactions on Systems, Man, and Cybernetics–Part B , volume 26, numéro 1, pages 29-41, 1996.
    D. Martens, M. De Backe,r R. Haesen, J. Vanthienen, M. Snoeck, B. Baesens,Classification with Ant Colony Optimization (https://ieeexplore.ieee.org/abstract/document/4336122,/)IEEE Transactions on Evolutionary Computation, volume 11, number 5, pages 651—665, 2007.
    B. Pfahring, “Multi-agent search for open scheduling: adapting the Ant-Q formalism,”eTchnical report TR-96-09, 1996.
    C. Blem, “Beam-ACO, Hybridizing ant colony optimization with beam search. An application to open shop scheduling,” Technical report TR/IRIDIA/2003-17, 2003.
    T. Stützle, “An ant approach to the flow shopproblem,” Technical report AIDA-97-07, 1997.
    A. Bauer, B. Bullnheimer, R. F. Hartl and C. Strauss, “Minimizing total tardiness on a single machine using ant colony optimization,” Central European Journal for Operations Research and Economics, vol.8, no.2, pp.125-141, 2000.
    M. den Besten, “Ants for the single machine total weighted tardiness problem,” Master’s thesis, University of Amsterdam, 2000.
    M, den Bseten, T. Stützle and M. Dorigo, “Ant colony optimization for the total weighted tardiness problem,” Proceedings of PPSN-VI, Sixth International Conference on Parallel Problem Solving from Nature, vol. 1917 of Lecture Notes in Computer Science, pp.611-620, 2000.
    D. Merkle and M. Middendorf, “An ant algorithm with a new pheromone evaluation rule for total tardiness problems (http://www.ccas.ru/orsot/library/An%20Ant%20Algorithm%20with%20a%20New%20Pheromone%20Evaluation%20 Rule%20for%20Total%20Tardiness%20Problems.pdf),” Real World  Applications of Evolutionary Computing,  vol. 1803 of Lecture Notes in Computer Science, pp.287-296, 2000.
    D. Merkle, M. Middendorf and H. Schmeck, “Ant colony optimization for resource-constrained project scheduling,” Proceedings of the Genetic and Evolutionary Computation Conference (GECCO 2000), pp.893-900, 2000.
    C. Blum, “ACO applied to group shop scheduling: a case study on intensification and diversificatio(nftp://nozdr.ru/bib lio/kolxo3/Cs/CsLn/Ant%20Algorithms,%203%20conf.,%20ANTS%202002(LNCS2463,%20Spring,e%r202002)(ISB N%203540441468)(318s).pdf#page=28,)” Proceedings of ANTS 2002, vol. 2463 of Lecture Notes in Computer Science, pp.14-27, 2002.
    C. Gagné, W. L. Price and M. Gravel, “Comparing an ACO algorithm with other heuristics for the single machine scheduling problem with sequence-dependent setup times(https://link.springer.com/article/10.1057/palgrave.jors.26 01390),” Journal of the Operational Research Societ,yvol.53, pp.895-906, 2002.
    A. V. Donati, V. Darley, B. Ramachandran, “An Ant-Bidding Algorithm for Multistage Flowshop Scheduling Problem: Optimization and Phase Transitions”, book chapter in Advances in Metaheuristics for Hard Optimization, Springe, r ISBN 978-3-540-72959-4, pp.111-138, 2008.
    P. Toth, D. Vigo, “Models, relaxations and exact approaches for the capacitated vehicle routing problem(https://www. sciencedirect.com/science/article/pii/S0166218X01003511,”) Discrete Applied Mathematics, vol.123, pp.487-512, 2002.
    J. M. Belenguer, and E. Benavent, “A cuttingplane algorithm for capacitated arc routing problem,” Computers & Operations Research, vol.30, no.5, pp.705-728, 2003.
    T. K. Ralphs, “Parallel branch and cut for capacitated vehicle routing,” Parallel Computing, vol.29, pp.607-629, 2003.
    S. Salhi and M. Sari, “A multi-level composite heuristic for the multi-depot vehicle fleet mix problem(https://www.scie ncedirect.com/science/article/pii/S0377221796002536,)” European Journal for Operations Research, vol.103, no.1, pp.95-112, 1997.
    E. Angelelli and M. G. Speranza, T” he periodic vehicle routing problem with intermediate facilities(https://www.scien cedirect.com/science/article/pii/S0377221701002065,)” European Journal for Operations Research, vol.137, no.2, pp.233-247, 2002.
    S. C. Ho and D. Haugland, “A tabu search heuristic for the vehicle routing problem with time windows and split deliveries (http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.8.7096&rep=rep1&type=pd,”f)Computers & Operations Research, vol.31, no.12, pp.1947-1964, 2004.
    N. Secomandi, “Comparing neuro-dynamic programming algorithms for the vehicle routing problem with stochastic demands (http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.392.4034&rep=rep1&type=pd,”f)Computers & Operations Research, vol.27, no.11, pp.1201-1225, 2000.
    W. P. Nanry and J. W. Barnes, “Solving the pickup and delivery problem with time windows using reactive tabu search (https://pdfs.semanticschola.rorg/f5a3/fffdfb26ead53680a5f9d3334e556181317b.pdf,)” Transportation Research Part B, vol.34, no. 2, pp.107-121, 2000.
    R. Bent and P.V. Hentenryck, “A two-stage hybrid algorithm for pickup and delivery vehicle routing problems with time windows,” Computers & Operations Research, vol.33, no.4, pp.875-893, 2003.
    A. Bachem, W. Hochstattler and M. Malich, “The simulated trading heuristic for solving vehicle routing problems(http s://www.sciencedirect.com/science/article/pii0/ 166218X9500027O/pdf?md5=ef433e9be68b097a89f3dd9b0b0dc761 &pid=1-s2.0-0166218X9500027O-main.pdf&_valck=1,)” Discrete Applied Mathematics, vol. 65, pp.47-72, 1996..
    [57] S. C. Hong and Y. B. Park, “A heuristic for bi-objective vehicle routing with time window constraints,” International Journal of Production Economics, vol.62, no.3, pp.249-258, 1999.
    R. A. Rusell and W. C. Chiang, “Scatter search for the vehicle routing problem with time windows,” European Journal for Operations Research, vol.169, no.2, pp.606-622, 2006.
    A. V. Donati, R. Montemanni, N. Casagrande, A. E. Rizzoli, L. M. Gambardella, T” ime Dependent Vehicle Routing Problem with a Multi Ant Colony System(ftp://ftp.idsia.ch/pub/andrea/ASP_Aprile07/EJOR2007.pd”f), European Journal of Operational Research, vol.185, no.3, pp.1174–1191, 2008.
    T. Stützle, “MAX-MIN Ant System for quadraitc assignment problems,” Technical Report AIDA-97-4, FB Informatik, TU Darmstadt, Germany, 1997.
    R. Lourenço and D. Serra “Adaptive search heuristics for the generalized assignment problem(https://upcommons.u pc.edu/bitstream/handle/2099/3627/4-ramalhinho.pdf,)” Mathware & soft computing, vol.9, no.2-3, 2002.
    M. Yagiura, T. Ibaraki and F. Glover, “An ejection chain approach for the generalized assignment problem(http://leed s-faculty.colorado.edu/glover/Publications/TS%20-%20PR%20-%20GAP%20in%20INFORMS%20JOC.pd,f”) INFORMS Journal on Computing, vol. 16, no. 2, pp. 133–151, 2004.
    K. I. Aardal, S. P. M. van Hoesel, A. M. C. A. Koster, C. Mannino and Antonio. Sassano, “Models and solution techniques for the frequency assignment problem,” A Quarterly Journal of Operations Research, vol.1, no.4, pp.261 317, 2001.
    Y. C. Liang and A. E. Smith, “An ant colony optimization algorithm for the redundancy allocation problem (RAP()htt p://www.eng.auburn.edu/sites/personal/aesmith/files/antcolonyIEEETrRel%20paper.pdf),” IEEE Transactions on Reliability, vol.53, no.3, pp.417-423, 2004.
    G. Leguizamon and Z. Michalewicz, A”  new version of ant system for subset problems(https://cs.adelaide.edu.au/us ers/zbyszek/Papers/as4.pdf),” Proceedings of the 1999 Congress on Evolutionary Computation(CEC 99), vol.2, pp.1458-1464, 1999.
    R. Hadji, M. Rahoual, E. Talbi and V. Bachelet “Ant colonies for the set covering problem,”Abstract proceedings of ANTS2000, pp.63-66, 2000.
    V Maniezzo and M Milandri, “An ant-based framework for very strongly constrained problems(https://link.springer.co m/chapter/10.1007/3-540-45724-0_19,)” Proceedings of ANTS2000, pp.222-227, 2002.
    R. Cordone and F. Maffioli,”Colored Ant System and local search to design local telecommunication network(sftp://n ozdr.ru/biblio/kolxo3/Cs/CsLn/A/Applications%20of%20Evolutionary%20Computing,%20EvoWorkshops%202001..% 20EvoCOP(LNCS2037,%20Springe,r%202001)(ISBN%203540419209)(529s)_CsLn_.pdf#page=74,)” Applications of Evolutionary Computing: Proceedings of Evo Workshops, vol.2037, pp.60-69, 2001.
    C. Blum and M.J. Blesa, “Metaheuristics for the edge-weighted k-cardinality tree problem(https://upcommons.upc.ed u/bitstream/handle/2117/97393/R03-1.ps,)” Technical Report TR/IRIDIA/2003-02, IRIDIA, 2003.
    S. Fidanova, “ACO algorithm for MKP using various heuristic information(“http://parallel.bas.bg/~stefka/heuristic.ps,) Numerical Methods and Applications, vol.2542, pp.438-444, 2003.
    G. Leguizamon, Z. Michalewicz and Martin Schutz,A” n ant system for the maximum independent set problem(http:// sedici.unlp.edu.ar/bitstream/handle/10915/23384/Documento_completo.pdf?sequence=,1″)Proceedings of the 2001 Argentinian Congress on Computer Science, vol.2, pp.1027-1040, 2001.
    O. Okobiah, S. P. Mohanty, and E. Kougianos, “Ordinary Kriging Metamodel-Assisted Ant Colony Algorithm for Fast Analog Design Optimization(http://www.cse.unt.edu/~smohanty/Publicaitons_Conferences/2012/Mohanty_ISQED20 12_Kriging-ACO.pdf)Archived (https://web.archive.org/web/20160304110324/http://www.cse.unt.edu/~smohanty/Pu blications_Conferences/2012/Mohanty_ISQED2012_Kriging-ACO.pdfM) arch 4, 2016, at theWayback Machine”, in Proceedings of the 13th IEEE International Symposium on Quality Electronic Design (ISQED), pp. 458–463, 2012.
    M. Sarkar, P. Ghosal, and S. P. Mohanty, “Reversible Circuit Synthesis Using ACO and SA based Quinne-McCluskey Method (http://www.cse.unt.edu/~smohanty/Publicaitons_Conferences/2013/Mohanty_MWSCAS2013_Reversible-Ci rcuit.pdf) Archived (https://web.archive.org/web/20140729081848/http://www.cse.unt.edu/~smohanty/Publications_C onferences/2013/Mohanty_MWSCAS2013_Reversible-Circuit.pdfJ)uly 29, 2014, at theWayback Machine”, in Proceedings of the 56th IEEE International Midwest Symposium on Circuits & Systems (MWSCAS), 2013, pp. 416-
    -419.
  2. Ermolaev S.Y., Slyusar V.I. Antenna synthesis based on the ant colony optimization algorithm.// Proc. ICTAT’2009, Lviv, Ukraine 6 – 9 Octobre, 2009. – Pages 298 – 300 [1] (http://slyusar.kiev.ua/298_300_ICATT_2009.pdf)
    Marcus Randall, Andrew Lewis, Amir Galehda,rDavid Thiel. Using Ant Colony Optimisation to Improve the Efifciency of Small Meander Line RFID Antennas.// In 3rd IEEE International e-Science and Grid Computing Conferenc[2e] (htt p://www98.griffith.edu.au/dspace/bitstream/10072/17063/1/47523_1.pdf), 2007
    S. Meshoul and M Batouche, “Ant colony system with extremal dynamics for point matching and pose estimatio(nhtt ps://pdfs.semanticschola.rorg/bdd2/61ab1f5a0c90009c6d84dbe4121a87dd4d31.pdf,)” Proceedings of the 16th International Conference on Pattern Recognition, vol.3, pp.823-826, 2002.
    D. Martens, B. Baesens, T. Fawcett “Editorial Survey: Swarm Intelligence for Data Mining(https://link.springer.com/c ontent/pdf/10.1007/s10994-010-5216-5.pdf,)” Machine Learning, volume 82, number 1, pp. 1-42, 2011
    R. S. Parpinelli, H. S. Lopes and A. A Freitas, A” n ant colony algorithm for classification rule discovery(http://neuro.b stu.by/ai/To-dom/My_research/Paper-0-again/For-courses/Ants/heuristic-dm-bk.pdf,)” Data Mining: A heuristic Approach, pp.191-209, 2002.
    R. S. Parpinelli, H. S. Lopes and A. A Freitas, D” ata mining with an ant colony optimization algorithm(https://www.ac ademia.edu/download/31181466/datamining070.pdf,)” IEEE Transactions on Evolutionary Computation, vol.6, no.4, pp.321-332, 2002.
    W. N. Chen, J. ZHANG and H. Chung, O” ptimizing Discounted Cash Flows in Project Scheduling–An Ant Colony Optimization Approach(http://webdelprofesor.ula.ve/economia/gsfran/Asignaturas/EvaluacionFinEconProyec/2%20 OptimizingDiscounted.pdf)”, IEEE Transactions on Systems, Man, and Cybernetics–Part C: Applications and Reviews Vol.40 No.5 pp.64-77, Jan. 2010.
    D. Picard, A. Revel, M. Cord, “An Application of Swarm Intelligence to Distributed Image Retrieval”, Information Sciences, 2010
    D. Picard, M. Cord, A. Revel, “Image Retrieval over Networks : Active Learning using Ant Algorithm(http://hal.upmc.f r/docs/00/65/63/63/PDF/manuscript.pdf”), IEEE Transactions on Multimedia, vol. 10,no. 7, pp. 1356–1365 – nov 2008
    Warner, Lars; Vogel, Ute (2008). Optimization of energy supply networks using ant colony optimization(http://enviroi nfo.eu/sites/default/files/pdfs/vol119/0327.pdf)(PDF). Environmental Informatics and Industrial Ecology — 22th International Conference on Informatics for Environmental Protection. Aachen, Germany: ShakereVrlag. ISBN 978- 3-8322-7313-2. Retrieved 2018-10-09.
    W. N. Chen and J. ZHANG “Ant Colony Optimization Approach to Grid Workflow Scheduling Problem with Various QoS Requirements”, IEEE Transactions on Systems, Man, and Cybernetics–Part C: Applications and Reviews, oVl. 31, No. 1,pp.29-43,Jan 2009.
    Zaidman, Daniel; Wolfson, Haim J. (2016-08-01). “PinaColada: peptide–inhibitor ant colony ad-hoc design algorithm”. Bioinformatics. 32 (15): 2289–2296. doi:10.1093/bioinformatics/btw133(https://doi.org/10.1093%2Fbioinf ormatics%2Fbtw133). ISSN 1367-4803 (https://www.worldcat.org/issn/1367-4803). PMID 27153578 (https://www.ncb i.nlm.nih.gov/pubmed/27153578.)
    Xiao. M.Hu, J. ZHANG, and H. Chung, “An Intelligent eTsting System Embedded with an Ant Colony Optimization Based Test Composition Method”, IEEE Transactions on Systems, Man, and Cybernetics–Part C: Applications and Reviews, Vol. 39, No. 6, pp. 659-669, Dec 2009.
    J. ZHANG, H. Chung, W. L. Lo, and T. Huang, “Extended Ant Colony Optimization Algorithm for Power Electronic Circuit Design (http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.140.4340&rep=rep1&type=pd”,f)IEEE Transactions on Power Electronic. Vol.24,No.1, pp.147-162, Jan 2009.
    X. M. Hu, J. ZHANG,J. Xiao and Y. Li, “Protein Folding in Hydrophobic-Polar Lattice Model: A Flexible Ant- Colony Optimization Approach(http://eprints.gla.ac.uk/5306/1/5306.pdf)”, Protein and Peptide Letters, Volume 15, Number 5, 2008, Pp. 469-477.
    A. Shmygelska, R. A. Hernández and H. H. Hoos, A” n ant colony optimization algorithm for the 2D HP protein folding problem (ftp://nozdr.ru/biblio/kolxo3/Cs/CsLn/Ant%20Algorithms,%203%20conf.,%20ANTS%202002(LNCS2463,%2 0Springer,%202002)(ISBN%203540441468)3( 18s).pdf#page=54),” Proceedings of the 3rd International Workshop
    on Ant Algorithms/ANTS 2002, Lecture Notes in Computer Science, vol.2463, pp.40-52, 2002.
  3. M. Nardelli; L. Tedesco; A. Bechini (2013).Cross-lattice behavior of general ACO folding for proteins in the HP model. Proc. Of ACM SAC 2013. pp. 1320–1327. doi:10.1145/2480362.2480611(https://doi.org/10.1145%2F248036 2.2480611). ISBN 9781450316569.
    L. Wang and Q. D. Wu, “Linear system parameters identification based on ant system alogrithm,” Proceedings of the IEEE Conference on Control Applications, pp. 401-406, 2001.
    K. C. Abbaspour, R. Schulin, M. T. Van Genuchten, “Estimating unsaturated soil hydraulic parameters using ant colony optimization,” Advances In Water Resources, vol. 24, no. 8, pp. 827-841, 2001.