We propose a hybrid application of Population Based Ant Colony Optimization that uses a data mining procedure to wisely initialize the pheromone entries. Hybridization of metaheuristics with data mining techniques has been studied by several researchers in recent years. In this line of research, frequent patterns in a number of initial high-quality solutions are extracted to guide the subsequent iterations of an algorithm, which results in an improvement in solution quality and computational time. Our proposal possesses certain differences from and contributions to existing literature. Instead of one single run that incorporates both the main metaheuristic and the data mining module inside, we propose to carry out independent runs and collect elite sets over these trials. Another contribution is the way we use the knowledge gained from the application of the data mining module. The extracted knowledge is used to initialize the memory model in the algorithm rather than to construct new initial solutions. One additional contribution is the use of a path mining algorithm (a specific sequence mining algorithm) rather than Apriori-like association mining algorithms. Computational experiments, conducted both on symmetric Travelling Salesman Problem and symmetric/asymmetric Quadratic Assignment Problem instances, showed that our proposal produces significantly better results, and is more robust than pure applications of population-based ant colony optimization.

中文翻译：

---

通过数据挖掘的基于种群的蚁群优化杂交

我们提出基于人口的蚁群优化的混合应用程序，该应用程序使用数据挖掘程序来明智地初始化信息素条目。近年来，一些研究人员已经研究了元启发式技术与数据挖掘技术的混合。在这方面的研究中，提取了许多初始高质量解决方案中的频繁模式，以指导算法的后续迭代，从而提高了解决方案质量和计算时间。我们的建议与现有文献存在某些差异并做出了贡献。我们建议不要进行一次独立运行，并在这些试验中收集精英集，而不是在内部合并主要的元启发式方法和数据挖掘模块。另一个贡献是我们使用从数据挖掘模块的应用程序中获得的知识的方式。提取的知识用于初始化算法中的内存模型，而不是构造新的初始解。另一贡献是使用路径挖掘算法（特定序列挖掘算法），而不是类似Apriori的关联挖掘算法。在对称旅行商问题和对称/非对称二次赋值问题实例上进行的计算实验表明，我们的建议产生了明显更好的结果，并且比基于人口的蚁群优化的纯应用程序更强大。另一贡献是使用路径挖掘算法（特定序列挖掘算法），而不是类似Apriori的关联挖掘算法。在对称旅行商问题和对称/非对称二次赋值问题实例上进行的计算实验表明，我们的建议产生了明显更好的结果，并且比基于人口的蚁群优化的纯应用程序更强大。另一贡献是使用路径挖掘算法（特定序列挖掘算法），而不是类似Apriori的关联挖掘算法。在对称旅行商问题和对称/非对称二次赋值问题实例上进行的计算实验表明，我们的建议产生了明显更好的结果，并且比基于人口的蚁群优化的纯应用程序更强大。