تکنیک بهینه سازی کلونی مورچه
رفتار واقعی مورچه ها در الگوریتم ACO نقش مهمی در یافتن کوتاه ترین مسیر بین کلونی ها و منبع غذا ایفا می کند. در سال 1992، این راهکار توسط دوریگو و دیکارو پیشنهاد شد و در ابتدا سیستم مورچه نام گرفت. با حرکت مورچه ها بر روی مسیرشان، فرمون بر جای می گذارند، با گذشت زمان، فرمون ها دارای کوتاه ترین مسیرها هستند، بنابراین شدت فرومون به شناسایی کوتاه ترین مسیرها تا منبع غذا کمک می کند. در واقع، ACO بر پایه رفتار مورچه هایی است که به دنبال کوتاه ترین مسیر بین مورتپه و موقعیت منبع غذا هستند. در ACO مبتنی بر مسائل زمانبندی و تعادل بار، مورچه ها، وظایف هستند و فرومون ها، میزان مصرف هر منبع در زمانبندی ابر هستند، همچنین فرومون ها، اطلاعات مربوط به تمام منابع و بار متناظر را در مسائل تعادل بار نشان می دهند. یکی از مشتقات این الگوریتم، الگوریتم ALO است. ALO، یک الگوریتم جستجوی تصادفی مبتنی بر جمعیت بسط یافته است که توسط میرجلیلی در سال 2015 پیشنهاد شده است. الگوریتم ALO از چرخه عمر شیرمورچه ها الهام گرفته است که به خانواده روزانه Myrmeleonti و ترتیب Neuroptera تعلق دارد. ALO بر پایه الگوریتم جمعیتی است که در آن گریز از بهینه محلی بالا است. الگوریتم ALO دارای احتمال بالای رفع تاخیر بهینه محلی به دلیل استفاده از پیمایش های تصادفی است. بهره برداری از فضای جستجو با استفاده از مرزهای انعطاف پذیر تله های شیرمورچه تضمین می شود. در ALO، شیرمورچه ها، وظایف حذف شده از ماشین های مجازی با سربار هستند و مرزهای انقباضی تله های شیرمورچه به جستجوی ماشین های مجازی با بار کم می پردازند و منابع غذا همان ماشین های مجازی هستند.
