蚁群算法是一种智能控制算法，本书内容包括：蚂蚁的群体行为及信息系统，人工蚁群算法原理，蚁群算法的原型及理论算法，蚁群算法与遗传算法，免疫算法的对比及它们相互融合。

基于蚁群算法分割图像的matlab实现，可以运行，%参考文献："An Ant Colony Optimization Algorithm For Image Edge

原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足，优化效果得到了改善，能够克服收敛速度较慢，易出现停滞，以及全局搜索能力较低的缺陷。但是还不够，因此，在原有的遗传融合蚁群算法的基础上进行了许多改进以扩大解的搜索空间，更加提高其全局优化寻优速度。并将遗传融合蚁群算法和改进的遗传融合蚁群算法分别应用于TSPLIB中的Att532TSP问题进行了仿真实验。仿真研究表明，改进后的算法具有更优良的全局优化性能，效果令人满意。

完整的基于蚁群算法的故障诊断算法模块，有matlab的GUI界面，包括对数据的去噪处理以及特征值得选取。

蚁群优化算法是解决无人驾驶汽车路径规划问题的有效途径。 首先，建立无人车道规划的环境模型，处理和描述环境信息，最后实现问题空间的划分。 接下来，描述蚁群算法的仿生行为。 蚁群算法已通过添加惩罚策略进行了改进。 这种惩罚策略可以提高资源的利用率，并通过利用搜索历史中的较差值来提高信息素的易变性，从而引导蚂蚁探索其他未知区域。

在能量受限的无线传感器网络中，能量效率对于延长网络寿命至关重要。 本文提出了一种称为DAACA的蚁群算法，用于数据聚合。 DAACA包括三个阶段：初始化，数据包传输和信息素上的操作。 在传输阶段，每个节点估计剩余的能量和邻居节点的信息素的数量，以计算用于动态选择下一跳的概率。 在经过几轮传输后，将进行信息素调整，从而利用信息素的整体和局部优点来蒸发或沉积信息素。 构成DAACA系列的四种不同信息素调整策略旨在延长网络寿命。 实验结果表明，与其他数据聚合算法相比，DAACA在平均节点度，能效，延长网络寿命，计算复杂度和单跳传输成功率方面具有更高的优势。 最后，对DAACA的特点进行了分析。

比较详细的解释了蚁群算法三维的航迹规划，非常的具有研究意义

使用蚁群算法求解TSP旅行商问题，精华蚂蚁，最大最小蚂蚁系统，基于最近邻最大最小蚂蚁系统，排序蚂蚁系统-RAS、自适应蚁群算法-自适应挥发系数

该zip文件包括matlab实现的基本蚁群算法以及改进版本的蚁群算法，所有算法的代码都是带有注释的，欢迎大家下载学习。

最大最小蚁群算法VC程序 最大最小蚁群算法最大最小蚁群算法