Аргентинский муравей располагает примерно 250 тысячами нейронов и скромным зрением, но колония без единого координатора безошибочно прокладывает кратчайший маршрут к цели. Как сообщает Хабр, биологи описали это поведение в 1989 году, а через три года оно стало алгоритмом Ant Colony Optimization (ACO).

На классической задаче коммивояжёра метод до сих пор отстаёт от оптимума всего на 0,10%. Для эвристики тридцатилетней давности это неплохо: современные архитектуры не всегда выглядят убедительнее.

На конференции NeurIPS алгоритм вернулся в новой роли — бэкбона для графовых нейросетей. Старые идеи, судя по всему, умеют ждать.

Источник: Telegram: Хабр

Понравился материал?
Подписывайтесь — так вы не пропустите новые.
RSS-лента

Комментарии 4

Будьте вежливы — это делает обсуждение лучше
О
Олег
а что значит «бэкбон для графовых нейросетей»? муравьи теперь внутри GNN вместо attention?
DP
dmitry_p
работал с ACO в дипломе по логистике, на реальных маршрутах она давала почти те же результаты, что и солвер, но писалась за вечер
ИК
Ирина К.
0,10% от оптимума — это же фактически идеал для эвристики. Интересно, на каких бенчмарках мерили и сколько времени считается?
Р
РедакцияРедакция
Ирина, в статье речь о классических инстансах TSPLIB; про время счёта и масштаб бенчмарков в первоисточнике NeurIPS сказано отдельно, там же сравнение с графовыми бэкбонами.