蚁群算法最早是由Marco Dorigo等人在1991年提出，他们在研究新型算法的过程中，发现蚁群在寻找食物时，通过分泌一种称为信息素的生物激素交流觅食信息从而能快速的找到目标，据此提出了基于信息正反馈原理的蚁群算法。 蚁群算法根据模拟蚂蚁寻找食物的最短路径行为来设计的仿生算法，因此一般而言，蚁群算法用来解决最短路径问题，并真的在旅行商问题（TSP，一个寻找最短路径的问题）上取得了比较好的成效。目前，也已渐渐应用到其他领域中去，在图着色问题、车辆调度问题、集成电路设计、通讯网络、数据聚类分析等方面都有所应用。

matlab蚁群算法讲义，可入门与进阶，同时内含ppt讲义，方便教学。

电子合约 线上签约 墨宝购买的 分享给大家 亲测

随着云计算的蓬勃发展，针对云计算中虚拟机负载不均衡及任务集完成时间较长的问题，提出了一种基于蚁群优化的任务负载均衡调度算法（WLB-ACO）。首先基于当前虚拟机的资源利用情况判断虚拟机的负载状态，其次，根据虚拟机的负载因子定义信息素的挥发因子（w），改进信息素更新规则，并利用WLB-ACO合理的分配任务，使整个系统达到负载均衡状态的同时任务集的完成时间最短。最后，采用Cloudsim工具设计仿真实验，实验结果表明，提出的基于蚁群优化的任务调度算法在性能、最短完成时间及算法的稳定收敛性上有了一定的提高。

本PPT为多智能体协同控制课上的一个大作业，要求每人上去讲解，本PPT讲解的是多智能体协同控制的一个应用--蚁群算法 文中部分引用https://blog.csdn.net/kwame211/article/details/80347593 中的一些知识点

压缩文件中包含了三种算法源码，打开即可直接运行，都是用的C或C++。论文中详细介绍了三种方法在旅行商问题上的应用，也对三种方法的效率进行了对比，并且对TSP问题进行了总结。

蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法 蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。

TSP eil51数据，可用于多种算法，是学习模拟退火算法，蚁群算法等的经典数据集

"TSP多种群蚁群算法" matlab完整代码

物流活动中需要找出各个配货节点之间的最短路径, 用以指导物流车辆调度, 进而节约物流成本。提出解决车辆路径优化问题的方法, 针对蚁群算法的缺点, 分别对信息素更新策略、启发因子进行改进, 并引入搜索热区机制, 有效解决了蚁群算法的缺陷。最后, 以哈尔滨市局部地图为原型, 应用MATLAB软件对改进蚁群算法求解车辆路径优化问题的性能进行仿真, 并与基本蚁群算法对比分析, 验证了改进蚁群算法的有效性和可行性。