定位
蚁群算法（ACO）是一种智能优化算法（现代算法），概率、图论与矩阵是其理论主要组成部分。
ACO是对蚁群凭借信息素标识，从而寻找食物这一过程的借鉴，可以用来寻找优化路径。
有关信息素
1.长路径上的信息素浓度低
2.蚂蚁会留下信息素，而信息素自身也会挥发。一般规定一轮迭代（所有蚂蚁周游完一次）后更新一次信息素
算法基本流程
（1）根据具体问题设置多只蚂蚁，分头并行搜索。
（2）每只蚂蚁完成一次周游后，在行进的路上释放信息素，信息素量与解的质量成正比。
（3）蚂蚁路径的选择根据信息素强度大小（初始信息素量设为相等），同时考虑两点之间的距离，采用随机的局部搜索策略。这使得距离较短的边，其上的信息素量较大，后来的蚂蚁选择该边的概率也较大。
（4）每只蚂蚁只能走合法路线（经过每个城市1次且仅1次），为此设置禁忌表来控制。
（5）所有蚂蚁都搜索完一次就是迭代一次，每迭代一次就对所有的边做一次信息素更新，原来的蚂蚁死掉，新的蚂蚁进行新一轮搜索。
（6）更新信息素包括原有信息素的蒸发和经过的路径上信息素的增加。
（7）达到预定的迭代步数，或出现停滞现象（所有蚂蚁都选择同样的路径，解不再变化），则算法结束，以当前最优解作为问题的最优解。
相关公式
-
转移概率计算公式
注意，对于一只蚂蚁，每走一步都要更新相应的转移概率以及禁忌表。后者在记录下一只蚂蚁的路径时需要重置。 -
启发式因子计算公式
dij 是两个城市之间的距离 -
信息素公式
可考虑设置信息素浓度界限！
对于 Q/Lk，是指对于每只蚂蚁，其周游路线 每一步路径 的信息素更新，而Lk是其周游总路径长度。
改进版
如精英蚂蚁（加入一只最优蚂蚁的权）和最大最小蚁群算法。