根據費洛蒙濃度的高低，尋找蟻巢到食物的最短路徑

較短路徑費洛蒙濃度高

人工蟻群選擇嚇一跳路徑的時候是按著一定算法定律有意識的尋找最短路徑， 而不是盲目的

m隻螞蟻在圖的相鄰節點間移動，轉移機率參數決定 運用目前所在節點儲存的信息，計算下一步可達節點的機率

相同點

不同點

平行性

自組織性

穩健性

正向回饋性

時間t=0與循環次數Nc = 0，設定最大循環次數G，將m個螞蟻置於n個元素（城市）上，令有向圖上每條邊(i，j)的初始化資訊量τij ( t) = c，其中c表示常數，且初始時刻Δτij (0) = 0。

標準更新方法

Ant-cycle

Ant-quality

對應的費洛蒙修改公式為

與螞蟻系統不同，只對一隻螞蟻進行信息素的更新

每個解元素上的信息素軌跡量的值域範圍被限制在

將信息素初始化為

在修改信息素路徑前，螞蟻按照它們的旅行長度進行排名（短的靠前）， 螞蟻釋放費洛蒙的量要和螞蟻的排名相乘

在每次循環結束後求出最優解，並且保留

自適應的改變p的值

反映了蟻群在路徑搜尋中隨機性因素作用的強度， 其值越大，螞蟻在選擇以前走過的路徑的可能性就越大，搜索的隨機性就會減弱；而當啟發式因子α的值過小時，則易使蟻群的搜索過早陷於局部最優 一般為[1,4]

反映了蟻群在搜尋最優路徑的過程中的先驗性和確定性因素的作用強度。 數值越大，螞蟻在某個局部點上選擇局部最短路徑的可能性就越大， 雖然這個時候演算法的收斂速度得以加快，但蟻群搜尋最優路徑的隨機性減弱，而此時搜尋容易陷入局部最優解。 一般為[3,5]

大小的選擇將直接影響整個蟻群演算法的收斂速度和全域搜尋效能 ρ過小時，則表示先前搜尋過的路徑被再次選擇的可能性過大，會影響到演算法的隨機效能和全域搜尋能力； ρ過大時，說明路徑上的費洛蒙揮發的相對變多，雖然可以提高演算法的隨機搜尋效能和全域搜尋能力，但過度無用搜尋操作勢必會降低演算法的收斂速度。 一般為0~1之間的一個數

m隻螞蟻在一次循環中所經過的路徑，則表現為問題解集中的一個子集 螞蟻數目增大後，會使大量的曾被搜尋過的解（路徑）上的費洛蒙的變化趨於平均，訊息正回饋的作用不明顯 一般為10~50

不做特別考慮，可任意選取

一般為100~500