今天了解了蟻群算法，它的參數有點點復雜（太多了），主要就是信息素濃的控制。
推薦：智能算法---蟻群算法 - taoliu_alex - 博客園 https://www.cnblogs.com/tao-alex/p/6094483.html
在ACA的基礎上進行優化，提出了 螞蟻-Q系統（Ant-Q System）、蟻群系統(Ant Colony System, ACS) 、最大最小螞蟻系統（Max-Min Ant System,MMAS）和自適應蟻群算法。
Ant-Q 系統將螞蟻算法和一種增強型學習算法Q-learning有機的結合了起來。與ACA相比，Ant-Q系統除了在信息素局部更新規則引入強化學習中的Q學習機制外，還在解構造過程中提出了偽隨機比例狀態遷移規則，並在信息素的全局更新中采用了精英策略。
ACS是以Ant-Q算法為基礎的。ACS與ACA之間存在的差異主要是：一，ACS采用了更為大膽的行為選擇規則；二，利用精英策略只增強屬於全局最優解的路徑上的信息素；三，引入了負反饋機制，從而實現一種信息素的局部調整，以減小已選擇過的路徑再次被選擇的概率。
MMAS在啟動時將所有支路上的信息素濃度初始化為最大值，用當前找到的最好解更新信息素來指引螞蟻向更高質量的解空間搜索。為了避免算法過早收斂於局部最優解，將各條路徑可能的信息素濃度限制在一定范圍內。
自適應蟻群算法是為了防止“早熟”，使得算法能更快的跳出局部收斂，方便全局搜索而提出的。此算法能根據判斷搜索結果是否陷入局部收斂從而采用一種新的信息素更新策略，自適應動態調整陷入局部收斂的螞蟻所經過路徑上的信息素和信息素強度，同時要對所有路徑上的信息素取值限定范圍。
目前了解了PSO和ACA，下面的博文可與參考其優缺點
蟻群算法，PSO算法以及兩種算法可以融合的幾種方法 - 海風吹 - 博客園 https://www.cnblogs.com/hetonghai/archive/2008/04/09/1144145.html
ACA與PSO的對比
基本的蟻群算法計算量大，收斂速度慢，求解需要較長時間，而粒子群優化算法（PSO）具有相當快的逼近最優解的速度；蟻群算法容易陷入局部最優，而粒子群優化算法局部尋優能力較差；蟻群算法適用於離散問題，而粒子群優化算法適用於連續函數優化問題。它們都具有較好地魯棒性，既對其基本的算法模型稍加修改，就可以適用於其他算法。此外，蟻群算法具有並行性，且易於與其他啟發式算法結合，但是容易出現停滯現象。