You are on page 1of 4

Ant Colony Optimization (ACO)

La optimizacin basada en colonia de hormigas representa en forma artificial el comportamiento


de las colonias de hormigas en la naturaleza. Como bien se sabe, las hormigas son insectos que
viven en colonias y que debido a su colaboracin mutua son capaces de mostrar comportamientos
complejos y realizar tareas difciles.
Un aspecto interesante que se observa en la siguiente figura es el comportamiento de las
hormigas, y su habilidad para encontrar los caminos ms cortos entre su hormiguero y las fuentes
de alimentos a partir de una sustancia llamada feromona, es por esto que este mtodo de
optimizacin lleva el nombre de hormiga debido a que su implementacin sigue un
comportamiento similar.

Figura 1: Eleccin de caminos ms cortos
Los algoritmos basados en colonias de hormigas son algoritmos constructivos, donde en cada ciclo
del algoritmo, cada hormiga construye una solucin al problema.
Algoritmo ACO
Marco Doringo el creador de este algoritmo, en un esfuerzo por mejor el Ant System (AS) aplicado
a un equipo de software, le incorpor el nombre de hormiga elitista, ya que la idea es reforzar a
las hormigas normales incrementando la cantidad de feromonas para lograr encontrar rutas cada
vez ms ptimas.
Dentro de las modificaciones se encuentran:
Nueva reglas de transicin
Se modica para permitir explcitamente la exploracin. Cuando q > q
0
la regla de
transicin es la misma que en AS, siendo q la probabilidad de eleccin de una ruta. Sin
embargo, cuando q q
0
corresponde a la explotacin del conocimiento disponible del
problema, es decir, la distancia entre las rutas y la memoria guardada en los trazos de
feromona. Con q > q
0
se favorece ms la exploracin. Cuando q
0
se aproxima al valor 1 se
seleccionan slo soluciones ptimas.

Regla de modificacin de los trazados de feromona
En el AS todas las hormigas pueden depositar feromona al completar sus tours. En el Ant
Colony System slo la hormiga que encontr el mejor tour puede modicar globalmente las
concentraciones de feromona en los arcos. As en la prxima, las hormigas son motivadas a
buscar trayectorias en la vecindad del mejor tour encontrado antes. Otra diferencia es que en
AS la modicacin del trazado de feromona es sobre todos los arcos, en ACS es slo sobre
aquellos que pertenecen al mejor tour encontrado.
Uso de cambios locales de trazados de feromonas para favorecer la exploracin
Cuando una hormiga k est construyendo su tour, se encuentra en la ciudad i y selecciona la
ciudad j para continuar, la concentracin de feromona del arco (i, j) cambia tal y como se
muestra en la figura 2. Cuando una hormiga visita un arco, la aplicacin de la modicacin
local hace que el nivel de feromona en el arco disminuya. El objetivo es hacer cada vez menos
atractivos los arcos visitados por ms hormigas, con lo cual se est favoreciendo
indirectamente la exploracin de los arcos an no visitados. Una consecuencia de esta
estrategia es que las hormigas tienden a no converger a una misma trayectoria o tour.
Adems, se selecciona cul ruta ser la siguiente a ser visitada. Esta seleccin est basada en
una probabilidad que es funcin de la distancia a la ruta y la cantidad de rastros presente en
el tramo que conecta las ciudades.

Figura 2. Parmetros de decisin

Uso de una lista para restringir la eleccin del prximo sector a visitar
Aqu se establece una lista de candidatas. Una lista de candidatas es una lista de rutas
preferidas a ser visitadas a partir desde una ruta dada. En lugar de examinar todas las
posibilidades desde la ruta i, se examinan primero aquellas no visitadas que estn en la lista de
candidatas y luego las restantes, siempre que no existan rutas candidatas. Es importante
mencionar, que a lista de candidatas de una ruta contiene las ciudades ms cercanas y
ciudades estn ordenadas de menor a mayor distancia.
A continuacin se muestra el cdigo del algoritmo empleado en el Ant Colony System:
Inicializar
Para cada arco (i,j) haga


() ()
fin para
Para K=1 hasta m haga
Ubique la hormiga k en una ruta elegida aleatoriamente
fin para
Sea T
+
el tour ms corto encontrado desde el inicio, y luego L
+
su largo
Para t=1 hasta el nmero de ciclo haga
Inicio
Para K=1 hasta m haga
Inicio
Repetir
Si existe al menos una ruta j lista de candidatas entonces
Elegir la siguiente ruta j, j J
+
, entre las cl rutas en la lista de candidatas con:





donde i es la ruta actual
Sino elegir la ruta d j J
k
i
ms cercana
fin si
Luego de cada transmisin la hormiga k modifica localmente:

( )

() (

)
Hasta que la hormiga k complete su tour
Calcular el largo L
K
del tour de la hormiga k
Fin para
Salvar la mejor solucin T
+
, L
+
, encontrada hasta el momento //

En s, los algoritmos de hormigas se han aplicado con gran xito al equilibrado de lneas de
montaje, resolviendo problemas cada vez ms complejos y realistas. Por ejemplo la empresa
Southwest Airlines ha utilizado el mtodo de hormiga para la asignacin de puertas de embarque
en el aeropuerto de Phoenix generando excelentes resultados.
La lnea de produccin Nissan tambin aplic el mtodo hormiga para equilibrar la lnea de
montaje de automviles en donde se quera agrupar las tareas en el menor nmero posible de
estaciones de trabajo satisfaciendo un tiempo de ciclo y obtener as la agrupacin que minimizara
el tiempo de ciclo. Los algoritmos de hormigas se han aplicado con gran xito equilibrando lneas
de montaje, resolviendo problemas cada vez ms complejos y realistas, para ello se dise un
algoritmo de hormigas multi objetivo que proporciona varias soluciones con un equilibrio distinto
entre el rea y el nmero de estaciones al ingeniero de la planta, el rastro de feromona se asocia
al par (tarea, estacin)y cuanto mejor sea asociar una tarea a una estacin, ms hormigas lo
harn. En fin la implementacin del mtodo hormiga a la empresa Nissan obtuvo provechosos
beneficios claves para su actual posicionamiento.