조합 최적화 문제를 풀기 위한 개미 알고리즘(Ant Algorithm)은 실제 개미 집단의 행동을 모방하여 만들어진 것이다. Ant Colony System(ACS)은 여러 유형의 개미 알고리즘 중 비교적 최근에 소개된 것이다. ACS의 설계를 위해 순회 외판원 문제(Traveling Salesman Problem, TSP)를 사용하여 실험을 수행하였다. ACS를 다양한 조합 최적화 문제에 적용할 때 순회 외판원 문제에 사용된 ACS의 파라미터와 전략을 사용하고 있다. 본 논문에서는 조합 최적화 문제들 중 하나인 멀티캐스팅 라우팅 문제를 해결하기 위해 ACS를 이용하였다. 멀티캐스트 라우팅은 데이터를 하나의 송신자에서 여러 수신자들로 보내기 때문에 모든 노드를 포함하는 순회 외판원 문제와는 속성이 다르고, 송신자에서 각 수신자에 하나의 최단경로를 설정하는 문제와도 다른 속성을 지니고 있다. 본 논문에서는 멀티캐스트 라우팅에 ACS를 적용하기 위해 알고리즘의 동작을 수정하고, 수정한 ACS의 성능을 향상시키기 위한 최적의 전략과 파라미터를 설계한다.
Ant Algorithm is used to find the solution of Combinatorial Optimization Problems. Real ants are capable of finding the shortest path from a food source to their nest without using visual informations. This behavior of real ants has inspired ant algorithm. There are various versions of Ant Algorithm. Ant Colony System (ACS) is introduced lately. ACS is applied to the Traveling Salesman Problem (TSP) for verifying the availability of ACS and evaluating the performance of ACS. ACS find a good solution for TSP When ACS is applied to different Combinatorial Optimization Problems, ACS uses the same parameters and strategies that were used for TSP. In this paper, ACS is applied to the Multicast Routing Problem. This Problem is to find the paths from a source to all destination nodes. This definition differs from that of TSP and differs from finding paths which are the shortest paths from source node to each destination nodes. We introduce parameters and strategies of ACS for Multicasting Routing Problem.
