ACO算法的优化机理
ACO算法是由若干只蚂蚁共同构造解路径，通过在解路径上遗留并交换信息素来提高解的质量，进而达到优化的目的。
ACO算法首先成功应用于旅行商（TSP）问题：设m为蚂蚁数，n为城市数， 为城市i和j的距离， 为t时刻在路径（i，j）上的信息素量，蚂蚁根据各路径上的信息素量决定其移动方向。t时刻蚂蚁k由城市i转移至城市j的概率 为：
     =                                 （3）
             0                ，其他
其中 ={c-tabuk}为下一步允许选择的城市，tabuk为已访问的城市（禁忌表）； 为信息启发因子； 为期望启发因子； 为由城市i转移到城市j的期望程度。 
     每只蚂蚁走完一步或走完所有的城市后，信息素按下式更新：
                                                      （4）
                                                      （5）
其中，  [0,1]为信息素挥发系数； 为信息素增加量； 为第k只蚂蚁在本循环中留在（i，j）上的信息量。
ACO算法的基本流程：
① 设置参数，初始化信息素轨迹；
② 生成m个可行解（蚂蚁）；
③ 对每个蚂蚁个体计算适应度；
④ 确定每一只蚂蚁的最优位置（最优解）；
⑤ 确定全局最优位置（最优解）；
⑥ 更新信息素轨迹；
⑦ 判断终止条件是否满足，若满足则终止迭代，否则返回③。