Comparative Analysis of Four Prominent Ant Colony Optimization Variants: Ant System, Rank-Based Ant System, Max-Min Ant System, and Ant Colony System

这项研究对四种蚁群优化（ACO）变体——蚁群系统（AS）、基于排名的蚁群系统（ASRank）、最大最小蚁群系统（MMAS）和蚁群系统（ACS）——在解决旅行商问题（TSP）方面进行了比较分析。我们的研究结果表明，算法性能受问题规模和实例类型的显著影响。由于其快速收敛，ACS在较小的TSP实例中表现出色，而PACS在中等规模问题中表现更加适应。由于其避免局部最优解的能力，MMAS在所有规模中均能够持续取得竞争优势，尤其是在较大的实例中。然而，ASRank则难以与其他算法的表现相匹配。这项研究提供了这些ACO变体的优缺点，为特定的TSP应用程序选择最合适的算法提供了指导。

本论文旨在比较四种蚁群算法变体（Ant Colony Optimization，ACO）- Ant System（AS），Rank-Based Ant System（ASRank），Max-Min Ant System（MMAS）和Ant Colony System（ACS）- 在解决旅行商问题（TSP）时的性能表现。

本研究通过实验发现，算法的性能受问题规模和实例类型的影响较大。ACS由于其快速收敛在较小的TSP实例中表现优异，而PACS则更适应中等规模的问题。MMAS在所有规模的问题中都能够稳定取得竞争性的结果，特别是在大型实例中，由于其避免局部最优解的能力。ASRank则表现不如其他算法。

该研究提供了有关这些ACO变体的优点和缺点的见解，指导选择适合特定TSP应用程序的最合适算法。

最近的相关研究包括：1. 'An Ant Colony Optimization Algorithm for Solving the Traveling Salesman Problem'；2. 'An Improved Ant Colony Algorithm for Traveling Salesman Problem Based on Dynamic Probability'；3. 'A Hybrid Ant Colony Optimization Algorithm for Solving the Traveling Salesman Problem'等。