1、浅谈蚁群优化算法的应用社会性动物（如蚂群、蜂群、鸟群等）的自主之行为引起了研究人员的关注，这些动物个体行为很简单，但他们一起协调工作时，当他们一起工作时又能凸显出非常复杂（智能）的行为特征，于是科学家将这些行为进行数学建模并用计算机进行仿真，从而得出非常有效的算法来解决实际中比较复杂的问题。而蚁群优化算法正是其中最有效地一种。蚂蚁在觅食的时候总会分泌出一种特殊的物质外激素，使得周围的蚂蚁能够感知到这种物质且倾向于朝物质味强的方向移动，所以蚂蚁总能从蚁穴到食物源找到到最短的路径，蚁群这种选择路径的过程叫做自催化行为。利用蚂蚁系统成功的解决了著名的旅商问题。蚁群算法从提出到现在，短短十余年的时间，
2、以其在离散型组合优化问题中的突出表现，吸引了人们的极大关注。目前蚁群算法已在交通、通信及人工智能很多领域得到了应用。最突出的是求解 NP难的组合优化问题。如下面这些复杂的问题通过蚁群算法到能得到解决。（1） 二次分配问题（QAP）：二次分配问题是指分配 N 个设备到 N 个地点，从而使得分配的代价最小其中代价是设备分配到位置上方式的函数。（2） 车间任务调度问题（JSP）JSP 问题是指已知一组 M 个机器和一组 T个任务，任务有一组指定的将在这些机器上执行的操作序列组成。车间调度问题就是给及其分配操作和时间间隔，从而使所有的操作完成的时间最短，并且规定两个工作不能同一时间，和同一台机器上同时工作。（3） 车辆路线问题（VRP）：VRP 问题来源于交通运输，已知 M 辆车，每辆车的容量是 A，目的是找出最佳行车路线在满足某些约束条件的情况下使得运输成本最低。（4） 机器同构判定问题;在机械设计领域普遍存在机构同构判定问题，将该问题转化为求解其邻接矩阵的编码值问题，利用蚁群算法对 NP 完全问题所具有的抵制组合爆炸能力进行求解，在参数合适的情况下取得了令人满意的结果。（5） 学习模糊规则问题；从组成系统模糊语言规则的数据中自动的学习问题。Jcasillas 等人研究应用蚁群算法学习模糊规则。
