Заключение. 
Гибридный алгоритм разбиения на основе метода муравьиной колонии и коллективной адаптации

Гибридный по своей сути алгоритм разбиения был реализован на языке Си++. Экспериментальные исследования проводились на ЭВМ типа IBM PC/AT. Наилучшие результаты гибридный алгоритм показал при следующих значениях управляющих параметров: g (глубина памяти) — 2; Т (число шагов) — 100. Примерно одинаковые по качеству решения можно получить, используя как аддитивную, так и мультипликативную свертку, варьируя управляющие параметры б и в. Исследованию подвергались примеры, содержащие до 1000 вершин. Тестирование производилось на бенчмарках 19s, PrimGA1, PrimGA2. По сравнению с существующими алгоритмами достигнуто улучшение результатов на 5−9%. В среднем запуск программы обеспечивают нахождения решения, отличающегося от оптимального менее чем на 0,5%. Перспективными путями улучшения муравьиных алгоритмов являются различные адаптации параметров с использованием базы нечётких правил и их гибридизация с генетическими алгоритмами. Как вариант, такая гибридизация может состоять в обмене через определённые промежутки времени текущими наилучшими решениями.

Литература

• 1. Naveed Sherwani. Algorithms for VLSI physical design automation. Kluwer academic publishers. Boston /Dordrecht/ London. 1995.
• 2. G. Di Caro, F. Ducatelle, L. M. Gambardella. AntHocNet: An adaptive nature-inspired algorithm for routing in mobile ad hoc networks. European Transactions on Telecommunications, 16(5): 443−455, 2005.
• 3. A. P. Engelbrecht. Fundamentals of Computational Swarm Intelligence. John Wiley & Sons, Chichester, UK, 2005.
• 4. МакКоннелл Дж. Основы современных алгоритмов. Москва: Техносфера, 2004.
• 5. D.F.Wong, H.W.Leong, and C.L.Lin Simulated Annealing for VLSI Design. Boston, MA: Kluwer Academic, 1988.
• 6. Емельянов В. В., Курейчик В. М., Курейчик В. В. Теория и практика эволюционного моделирования. -М.: Физматлит, 2003.
• 7. Мazumder P., Rudnick E. Genetic Algorithm For VLSI Design, Layout & Test Automation. India, Pearson Education, 2003.
• 8. Курейчик В. М., Курейчик В. В. Генетический алгоритм разбиения графа. //Известия Академии наук. Теория и системы управления. 1999. -№ 4.
• 9. Лебедев Б. К. Разбиение на основе эволюционной адаптации. Известия ТРТУ. Тематический выпуск «Интеллектуальные САПР». 1999. -№ 3.
• 10. Курейчик В. М., Лебедев Б. К., Лебедев О. Б. Поисковая адаптация: теория и практика. М.: Физматлит, 2006.
• 11. M. Clerc. Particle Swarm Optimization. ISTE, London, UK, 2006.
• 12. R. Poli. Analysis of the publications on the applications of particle swarm optimisation. Journal of Artificial Evolution and Applications, Article ID 685 175, 10 pages, 2008.
• 13. M. Dorigo and T. Stьtzle. Ant Colony Optimization. MIT Press, Cambridge, MA, 2004.