蚁群算法基本理解

1.什么是蚁群算法：
蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质，并且现在已用于我们生活的方方面面。
2.基本原理：
1）当周围没有信息素指引时，蚂蚁的运动具有一定的惯性，并有一定的概率选择其他方向
2）当周围有信息素的指引时，按照信息素的浓度强度概率性的选择运动方向
3）找食物时，蚂蚁留下家相关的A信息素，找家时，蚂蚁留下食物相关的B信息素，并随着移动距离的增加，洒播的信息素越来越少。
4）随着时间推移，信息素会自行挥发。
3.简单的蚁群算法的局限性：
如果你亲自动手做实验，你会发现，当蚂蚁在一条路径上觅食很久时，你再放置一个近的食物基本没啥效果，你也可以理解为当一只蚂蚁找到一条路径时，过了很久的时间，大多数蚂蚁都选择了这条路径，就在这时候，突然有一只蚂蚁找到了较近的食物，但因为时间过得太久，两条路径上浓度相差太大（浓度越大，被选择的概率就越大），整个系统基本已经停滞了，陷入了局部最优。所以简单的蚂蚁系统是存在一些问题的，如：
搜索到一定程度，会出现停滞状态，陷入局部最优的情况
盲目的随机搜索，搜索时间较长
而影响蚂蚁是否能够找到好的最优解，依赖这几个关键因素：
信息素怎么洒播（比如维持在一个特地范围的值等）
信息素怎么挥发（除了全局挥发，可以让蚂蚁自身进行局部挥发等手段）
通过怎样的方式让蚂蚁选择运动方向，减少盲目性和不必要性（给蚂蚁一点点智能和经验）
给蚂蚁和环境一定的记忆能力能够帮助减少搜索空间
4.