PNACO: parallel algorithm for neighbour joining hybridized with ant colony optimization on multi-core system

Abstract

One of the most interesting and relevant approaches for solving optimization problems are parallel algorithms that work simultaneously with a large number of tasks. The paper presents a new parallel algorithm for NACO that is a hybrid algorithm that consists of the Ant Colony Optimization method combined with the Neighbour Joining method to get accurate and efficient results when solving the Traveling Salesman Problem. Through carrying out comprehensive experiments using a wide variety of real dataset sizes and the multi-core system, the practical results show that the developed program outperforms NACO in terms of execution time and consumed storage space. Availability and implementation: source codes in MATLAB 2017 are publicly available at Internet. Одними из наиболее интересных и актуальных подходов к решению задач оптимизации являются параллельные алгоритмы, которые работают одновременно с большим количеством задач. В этой статье представлен новый параллельный алгоритм для NACO, т.е. гибридный алгоритм, который состоит из метода оптимизации колонии муравьев в сочетании с методом объединения соседей для получения точных и эффективных результатов при решении задачи коммивояжера. Результаты, полученные на практике при проведении всесторонних экспериментов с использованием большого количества реальных наборов данных и многоядерной системы, показали, что разработанная программа превосходит NACO с точки зрения времени выполнения и потребляемого дискового пространства. Доступность и реализация: исходные коды в MATLAB 2017 размещены в открытом доступе в сети Интернет.