蚁群算法 主要适用于航迹规划，选择最大概率的路线走。

一种用于图像边缘检测的蚁群优化算法.docx

应用改进蚁群算法在配电网络规划，转移概率和信息素更新方式入手进行改进。

matlab实现的蚁群算法，可以运行，可以修改参数 有说明，适合大多数人使用

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。

将蚁群算法用matlab实现，用来处理多个点间的最优路径，同时用贪心算法实现相同数据点的路径规划

采用了多线程和蚁群算法的思路，代码来自于其他博客，经过一定的修改

蚁群算法的 Python 实现。除此之外，还有这些算法的集合：差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法、免疫优化算法、鱼群算法

采用案例形式，以智能算法为主线，讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等最常用的智能算法的MATLAB实现。共给出30个案例，每个案例都是一个使用智能算法解决问题的具体实例，所有案例均由理论讲解、案例背景、MATLAB程序实现和扩展阅读四个部分组成，并配有完整的程序源码和讲解视频，使读者在掌握算法的同时，也可以学习到作者们多年积累的编程经验与技巧，从而快速提高使用算法求解实际问题的能力。

为有效降低矿井突发事故中矿工伤亡程度及经济损失,对矿井环境下工作人员逃生路径进行研究。以蚁群算法为基本理论,设置井下作业人员数目为自变量,其他参数为固定组合,最后运用MATLAB模拟软件对逃生路径进行模拟。结果表明:随着模拟人员的增多,路径优化程度与模拟人员数目呈现出正相关关系,同时验证了该算法的实用性以及有效性。