A Comparison of Ant Colony Optimization and Genetic Algorithm for Solving the Traveling Salesman Problem
PBN-AR
Instytucja
Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej (Politechnika Łódzka)
Informacje podstawowe
Główny język publikacji
en
Czasopismo
Journal of Applied Computer Science
ISSN
1507-0360
EISSN
Wydawca
Lodz University of Technology
DOI
Rok publikacji
2016
Numer zeszytu
1
Strony od-do
51 – 66
Numer tomu
24
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
Autorzy
(liczba autorów: 1)
Słowa kluczowe
en
travelling salesmen problem
ant colony optimization
genetic algorithm
Streszczenia
Język
en
Treść
Every company in today’s world faces the constant challenge of cost reduction. For distribution and transport service providers, cost cutting appears to be the main operational goal. The successful companies seek to develop a optimal routes for their fleets to minimize the costs and guarantee a timely delivery of the goods. With a growing informatization of the industrial world, it is worth considering the use of intelligent systems as a possible way of solving various types of decision problems, which in turn can contribute to the reduction of costs incurred by a company. Such systems enable multidimensional data analysis and to provide information useful in decision making. The paper investigates the use of the genetic algorithm and the ants colony optimization algorithm as a solution to the travelling salesman problem. It has been shown that both methods provide satisfactory results in solving the problem under examination.
Cechy publikacji
Informatyka – dziedzina nauk matematycznych
Informatyka – dziedzina nauk technicznych
Computer science – field of mathematics
Computer science – field of technical sciences
discipline:Informatyka – dziedzina nauk technicznych
discipline:Transport
discipline:Computer science – field of technical sciences
discipline:Transport
Original article
Original article presents the results of original research or experiment.
Oryginalny artykuł naukowy
Oryginalny artykuł naukowy przedstawia rezultaty oryginalnych badań naukowych lub eksperymentu.
Inne
System-identifier
PBN-R:780371