蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法,一种用来在图中寻找优化路径的机率型技术。

matlab蚁群算法代码蚁群优化 蚁群优化问题的matlab代码 要运行算法，只需克隆/下载文件并在 MATLAB 中打开文件“aco.m”。 运行该文件，您可以看到代码正在运行。

matlab蚁群算法代码基于蚁群算法的三臂凿岩机器人动态Kong序规划 基于蚁群算法的三臂隧道掘进机器人动态序列规划 matlab 版本：2016a 主函数：GuiTest.m 这是我的硕士研究生关于蚁群算法的三臂隧道掘进机器人动态序列规划的代码，以及我设计了一个用于规划的 GUI。 由于项目暂停，我没有将这个 GUI 应用到真正的三臂隧道钻探机器人。 差不多一年过去了，那个项目已经完成，而我也快一年毕业了。 该程序包含三个用于规划的经典隧道，您也可以设计自己的隧道。 您需要注意的是您应该注意matlab的版本，我只是尝试使用2019a版本，毫无疑问我遇到了错误。 因此，如果您遇到错误，请尝试 matlab 2016a 公路隧道（公路隧道）： 马蹄形隧道（马蹄形隧道）： 水隧道（排水隧道）：

人工蜂群（ABC）的原型标准代码，包括：C、Java、Matlab和伪代码

添加了非常全面的注释，同时调用四个测试函数输出结果。完整的java代码

Matlab WSN代码与群优化ACO蚂蚁殖民地优化 在此代码中（功能完整，进入ACO例程时速度甚至很慢），您可以看到：有两种情况：第一种）没有ACO的WSN网络，由于路由协议（最短路径）使用相同的路由消耗节点能量，直到节点死亡。 ...第二）与ACO第一步相同的WSN网络，由于路由协议（最短路径）而消耗节点能量，但由于所用路径的能量ACO转换而改变了路由。

茶壶殖民地行为策略的图形模拟器。 在一个非常（非常）遥远的星系中，茶壶的殖民地为了它们的生存而发生冲突。 他们的目标：吃饭！

无人机任务分配问题不仅具有高度非线性，动态，高度对抗性和多模式等复杂性的内在属性，而且在各种多智能体系统中具有更好的实用性。使其最近变得越来越有吸引力。 本文基于经典的固定响应阈值模型（FRTM），以``问题为中心+演化解决方案''为理念，并以自下而上的方式提出了新的动态环境刺激，响应阈值和过渡设计了概率模型，并建立了动态​​蚁群的分工模型。 DACLD允许一群具有较低智能水平的代理执行复杂的任务，并具有分布式框架，具有执行顺序，多状态，自适应响应阈值和多个体响应的多任务的特征。 利用所提出的模型，进行了数值模拟，以说明分布式任务分配方案在UAV群战（具有一定数量敌方目标的动态任务分配以及由于意外威胁而导致的任务重新分配）的两种情况下的有效性。 。 结果表明，该模型可以同时获取异构无人机的实时位置和状态，并具有高度的自组织性，灵活性和对动态环境的实时响应。

蚁群算法的MFC程序，可以导入excel文件形式的地图信息

二维路径规划问题--蚁群算法 超详细 这篇blog的源代码，价格相当于白嫖，需要的读者自行下载