ACO

ACO（Ant Colony Optimization），蚂蚁算法在解决TSP问题上发挥了它的亮点，我们不得不佩服做仿生学的那些科学家，从鸟到飞机的诞生，从蜻蜓到直升飞机，又从观察蚂蚁的习性从而创作出的蚂蚁算法解决最佳化问题。
蚂蚁算法的提出之前，科学家们做了很多的实验，实验发现，当蚂蚁去寻找食物的时候，遇到了障碍物，蚂蚁会分成两路，一路从障碍物的左侧走，另一路则会从障碍物的右侧走，这两侧左侧会比右侧绕远一些，经过一段时间后会发现，所有的蚂蚁都从右侧走了，经过研究，蚂蚁在走的过程中会释放荷尔蒙，后面的蚂蚁嗅到气味后，会沿着荷尔蒙的味道来行走，而荷尔蒙是会挥发的，所以距离长的，挥发的相对多，留下的气味就相对淡，而距离近的，气味就重，慢慢的蚂蚁都会往味道浓的地方回笼，从而出现了以上的现象。
蚂蚁通过它的习性，能够很快地找到到达食物的最短路径，通过这些启发，研究出了蚂蚁算法来解决最短路径的问题。具体的方法是：
（1）首先初始化蚂蚁，随机分布在每个点上。（假设有多少个点，初始化多少只蚂蚁）
（2）然后随机向邻近的边去走，直到再次回到出发点，这样的过程完成后会形成一次旅行。
（3）计算每条路径经过的边的荷尔蒙的总的浓度。（所有蚂蚁走过的留下的荷尔蒙的总浓度）
（4）不要忘记随着时间的变动，荷尔蒙的浓度是在降低的。
（5）销毁原先蚂蚁，生成新蚂蚁，根据上面的来继续执行，但是这回的选择会受到荷尔蒙的影响，而去选择相应的路径。

最终会得到好的路径！