对自己拟定的二维栅格地图，通过蚁群算法寻优

基于障碍物检测势场蚁群算法的平滑路径规划，陈铁中，石万凯，针对室内移动机器人提出一种基于障碍物检测蚁群算法的平滑路径规划方法。首先，针对传统蚁群算法初期信息素浓度差异小、收敛速度

基于优化蚁群算法的机器人路径规划_郭琴

针对蚁群算法进化速度慢、容易出现停滞现象、容易陷入局部最优等缺点，提出了一种基于自适应信息素挥发因子、决策变量高斯变异和决策变量边界自调整三种改进策略的混合改进蚁群算法。将其应用于函数优化中，仿真结果表明混合改进蚁群算法提高了寻优精度，加快了寻优速度，提高了收敛率

图像分割作为目标检测、识别、跟踪研究领域的核心内容，在遥感、计算机视觉、场景解析、图像重构等领域有着广阔的应用前景。针对传统的基于先验阈值或者小波变换的图像分割算法存在的计算冗余、可操作性较差、过分依赖经验、全局最优缺失等问题，提出了一种基于改进型蚁群算法的图像分割优化算法，可以克服传统蚁群算法的收敛速度慢且易陷入局部最优的固有劣势，实现全局最优，具有匹配精度高、抗干扰性强、并行搜索效率高等优势。在Matlab2015b环境下开发了验证环境并对算法进行了实际验证，验证结果表明本文所提算法可以在较短的时间内有效分割目标图像，实时性、准确率和稳定性较高，收敛速度、并行搜索效率等核心参数满足设计需求。

在SimuroSot5v5的中场策略中引入蚁群算法，通过采用信息素分区获取的方式建立起球队中场队形转换机制。该机制以球的位置为驱动信息，根据求取的信息素来确定出适当的中场队形；同时设计任务死锁的自调节模块来提高机器人的自适应能力。仿真实验结果表明，加入以分区方式获取信息素的蚁群算法决策技术，增加了中场队形转换的灵活性，使得球队的整体攻防能力上都得到了相应的改善。

这是一种基于蚁群算法的二维路径规划算法，能够让人有更多的启发

用蚁群算法优化BP神经网络，然后用于预测，非常实用，适合初学者。

动态自适应蚁群算法 蚂蚁算法的改进学习 文档材料

旅行商问题（英语：Travelling salesman problem, TSP）是组合优化中的一个NP困难问题，在运筹学和理论电脑科学中非常重要。问题内容为“给定一系列城市和每对城市之间的距离，求解访问每一座城市一次并回到起始城市的最短回路。” 该资源通过python 建立旅行商问题的解法，效果良好，具有高拓展高利用的特性。