通过对蚂蚁复杂的社会行为的研究，科学家们发现基于其行为模式的模型可以用来求解复杂的组合优化问题。为了解决计算机科学中的最短路径问题，基于蚂蚁行为特征所发展起来的算法演变成一个被广泛认可并非常成功的新的研究领域——蚁群优化（ACO）。本书从理论和实际应用两方面介绍了这个迅速发展的领域。 本书首先介绍了如何将蚂蚁的行为转换成有效的优化算法，然后介绍蚁群元启发式算法及其在组合优化中的应用。随后介绍了主要的ACO算法并给出了最新的理论进展。书中综述了当前的ACO应用，包括路由问题、任务委派、调度安排、子集问题、机器学习和生物信息学问题等，详细描述了用于网络路由的蚁网蚁群优化算法AntNet。最后，对该领域的研究进展进行了总结，并给出了未来的研究方向。书中每一章都给出了建议阅读的参考书目、章节重点和练习题目。 本书可作为高等院校计算机及相关专业的高年级学生、研究生的教材，也可供高校教师及科研院所的研究人员参考。y

蚂蚁所表现出来的复杂群体行为一直为人类所关注，其中最引人注目的莫过于所谓的蚂蚁街道的形成。在孩提时代，或许我们曾为了观察蚂蚁对干扰的反应而特意在它们的“高速公路”上踩踏或设置障碍物，或许曾好奇这些路究竟从何而来，又将通向何方。对于大部分人来说，这些问题在他们长大成人以后远不如进入高等学校学习计算机科学和高等数学来得重要。 然而，还有相当多的研究者，主要是生物学家，仍在仔细地研究蚂蚁的行为。 令人惊讶的是，某些种类的蚂蚁所表现出来的路径寻找行为模式非常不可思议，这个模式就是计算机科学家平常所说的最短路径搜索。生物学家在实验中发现，蚂蚁可以通过感知和释放一种带有气味的化学物质——信息素来实现相互之间的通信交流。在求解优化问题的时候，正是蚂蚁这种特有的行为模式启发了计算机科学家建立新型算法的灵感。关于这类算法的第一次尝试出现在20世纪90年代初期，尽管那时的算法在今天看来非常幼稚，但重要的是它表明了此类算法是可行的。从那以后，关于这类算法以及其他类似思想方法的研究和成果不断涌现，而蚁群优化（ant colony optimization，ACO）正是众多成果之一。事实上，基于蚂蚁行为的ACO是最成功且受到最广泛认可的算法技术。ACO的成功不仅体现在能够求解众多不同类型的优化问题，而且更多体现在它在求解大量问题时所能获得的极佳性能。全书纵览 本书介绍了蚁群优化这一飞速发展的领域里许多可行的ACO算法及其主要应用。全面详细地描述了ACO思想及其在各种组合优化问题上的应用等。本书分为七章，各章内容如下： 第1章解释了蚂蚁如何在受控实验条件下找出最短路...