ACO mapping

COS’È L’ACO E COME FUNZIONA

L’Ant Colony Optimization (ACO) è un metodo di ottimizzazione ispirato alle formiche. Ogni “formica” lascia feromone sui cammini; il segnale evapora con tasso ρ, mantenendo il sistema flessibile. La scelta del prossimo arco i→j combina due indizi: il feromone τ_ij (memoria di quanto quel cammino è stato preferito) e la visibilità η_ij = 1/lunghezza (quanto la meta è vicina), pesati da α e β.

p_i→j ∝ τ_ij^α · η_ij^β

I cammini percorsi si rinforzano (↑τ), gli altri si attenuano per evaporazione (ρ): l’equilibrio tra memoria ed esplorazione guida verso buoni percorsi su grafi complessi. La stessa logica, bilanciare ciò che “si è imparato” con ciò che “si vede”, sostiene il mapping sociale presentato qui sotto.

τ Feromoni

Tracce sociali: memoria collettiva dei percorsi già scelti.

η Visibilità

Desiderabilità oggettiva: η = 1/lunghezza (più corto = più attraente).

α Peso su τ

Fiducia sociale: quanto seguo le scelte altrui (tracce).

β Peso su η

Fiducia oggettiva: quanto seguo i dati/geometria del percorso.

ρ Evaporazione

Oblio: le tracce si affievoliscono se non usate → adattamento.

Rappresentazione: nodi ⇢ opzioni/luoghi; archi ⇢ scelte possibili.
Trasposizione: interpretazione τ, η, α, β come tracce sociali, desiderabilità, fiducia sociale/oggettiva.
Memoria dinamica: rinforzo al passaggio (↑τ) e decadimento con ρ.
Esplorazione: alcuni agenti competitivi danneggiano archi (rallentamento) per rompere l’effetto-gregge.

DECISIONI COLLETTIVE: UNA NUOVA PROSPETTIVA

Gli agenti pesano insieme tracce sociali (τ) e dati oggettivi (η). Le scelte ricorrenti vengono rinforzate (↑τ) e diventano più attraenti per gli agenti futuri; al contrario, le tracce poco usate svaniscono (ρ), permettendo al sistema di adattarsi. La competizione (se presente) danneggia alcuni archi, spezza l’effetto-gregge e facilita l’esplorazione.

Run completate: 0

Lunghezza media (ultimi 20): —

Best trovato: —

Agenti cooperativi — rinforzano τ
Agenti competitivi — danno sull’arco
Start Goal
τ basso τ alto
Danno sull’arco → movimento più lento

fiducia sociale 1.4

Peso alle tracce: più alto ⇒ seguo l’esperienza altrui.

fiducia oggettiva 0.9

Peso ai dati del percorso: più alto ⇒ seguo la geometria.

decadimento della traccia 0.10

Velocità di evaporazione: più alto ⇒ le tracce svaniscono prima.

Cooperazione (%) 85

Quota di agenti cooperativi: più alto ⇒ più rinforzo su τ.

Intensità competizione 0.40

Aumenta il rallentamento causato dai competitivi.

Agenti 40

Numero di agenti nella simulazione.

Velocità (px/s) 95

Velocità di movimento degli agenti sul grafo.