我已经在这里和那里读了一段时间，关于使用“蚁群”模型作为优化各种类型算法的启发式方法。但是，我还没有找到一篇文章或书籍，以介绍的方式讨论蚁群优化，甚至还有很多细节。任何人都可以指点我可以了解更多关于这个想法的资源吗？
答案 0 :(得分：5)
关于你认识德语的机会（是的，对不起......），我和一位朋友写了一篇关于这个主题的introduction with code，我自己觉得这篇文章很难理解。文本和代码使用TSP的例子来介绍这个概念。
即使如果您不懂德语，请查看代码以及文本中的公式，这可能仍然有用。
答案 1 :(得分：5)
link Wikipedia实际上让我开始了。我读了这篇文章并开始编码。我正在解决旅行商问题的一个邪恶的变化。这是一个惊人的元启发式。基本上，可以使用ACO解决任何可以放入图形（节点和边缘，对称或不对称）的搜索问题。
注意全球和本地信息素踪迹之间的区别。本地信息素不鼓励一代蚂蚁穿越同一条道路。它们使模型不会收敛。全球信息素是吸引子，每代至少应该捕获一只蚂蚁。它们鼓励几代人的最佳路径。
我有最好的建议，就是玩算法。设置基本TSP求解器和一些基本的菌落可视化。然后玩得开心。从概念上讲，与蚂蚁合作是很酷的。您编写他们的基本行为，然后将它们设置为松散。我甚至喜欢他们。 ：）
ACO是一种贪婪的遗传算法。和他们一起玩。改变他们的交际行为和打包行为。您将很快开始以完全不同的方式看到网络/图形编程。这是他们最大的好处，而不是大多数人认为的配方。
你必须玩它才能真正理解它。书籍和研究论文只能给出一般的天空认识。就像一辆自行车，你只需要开始骑行。 ：）
到目前为止，ACO是我最喜欢的图形问题抽象。答案 2 :(得分：3)
国家地理杂志在一段时间内写了an interesting article后谈了一些理论。
答案 3 :(得分：3)
这些主题的最佳资源是Google scholar。我一直在研究蚁群优化算法，这里有一些很好的论文：
只需search for "Ant Colony" on google scholar。
另外，搜索Marco Dorigo发表的论文。
答案 4 :(得分：2)
我很惊讶没人提到ACO的圣经：
Marco Dorigo & Thomas Stützle: Ant Colony Optimization
本书由ACO的作者撰写，具有很高的可读性。您可以将它带到海滩，阅读它。但它也是最完整的资源，非常适合作为实施该事物的参考。
您可以阅读一些excerpts on Google Books
智慧的另一个重要来源是ACO Homepage
答案 5 :(得分：1)
例如，请参阅scholarpedia上的this article。
What is the most efficient way of finding a path through a small world graph?问题中也有讨论。
答案 6 :(得分：1)
乍一看，这似乎与the Metropolis algorithm的（或特殊情况）密切相关。这是搜索的另一个可能方向。
添加： This PDF file包含对1953年原始都市报的引用。
答案 7 :(得分：1)
好吧，我发现Homepage of Eric Rollins和他的ACO算法的不同实现（Haskell，Scala，Erlang，...）很有帮助。 还有来自Enrique Alba的书，标题为“并行元理论：一种新的算法类”，在这里你可以找到关于ACO算法及其不同用法的整章解释。
H个