الگوریتم کلونی مورچگان (Ant Colony Optimization) زیر مجموعه از هوش ازدحامیه (Swarm Inteligent) (هوش ازدحامی یه زمینه از هوش محاسباتیه و از رفتارهای تجمعی با عامل های طبیعی گرفته میشه).
این الگوریتم از روش پیدا کردن بهینه ترین راه از آشیانه به منابع غذایی توسط مورچه ها گرفته شده، توی این فرآیند مورچه ها شروع به جستجو برای غذا می کنن و در همین حین ماده ای به اسم فرومون ترشح میکنن و توی مسیری که طی کردن به جا می ذارن؛ هر مورچه ای که نزدیک ترین (بهینه ترین مسیر به) منبع غذایی رو پیدا کنه اون مسیر طی کرده خودش از آشیانه به منبع غذایی رو در راه برگشتش تکرار میکنه، بخش مهم اینه که تو این فرآیند رفت و برگشت مسیر فورمون تقویت میشه و مورچه های دیگه به صورت غریزی به مسیری که فرومون قوی تری داره کشیده میشن.
کاربرد های این الگوریتم: مسائل پردازش تصویر (Image Processing) داده کاوی (Data Mining) دسته بندی (Classification) و هر مسئله دیگه ای که به دنبال مسیر بهینه برای رسیدن به مقصد باشیم. امیدوارم این اطلاعات به دردتون خورده باشه هرچند خیلی اطلاعات سطحی رو توضیح دادم و اگه قصد دارید از این الگوریتم توی پروژه هاتون استفاده کنید بهتره این الگوریتم رو از منابع تخصصی تر و با فرمول های ریاضیش مطالعه کنید.
این اتفاق طبیعی، مسئله پیدا کردن بهینه ترین راه برای دسترسی به منبع خاصی که هدف ماست رو حل میکنه و توی مدل های هوش مصنوعی (AI) استفاده زیادی داره. بهترین مثال برای نشون دادن این روش استفاده اون برای حل مسئله "فروشنده دور گرد" هس با اینکه این مسئله یه NP کامل حساب میشه (NP:به مسائلی که تا حالا جواب مشخصی نداشتن و جواب هایی که به دست اومدن فقط احتمال داره که درست باشن) ولی حل این مسئله با این الگوریتم خیلی صریح و واضحه. توی مسئله فروشنده دوره گرد یه فروشنده دوره گرد هست که باید از تمامی شهر ها یک بار عبور کنه و وقتی عبور از تمامی شهر ها تموم شد به شهر اول برگرده، هدف این مسئله پیدا کردن کوتاه ترین مسیره.
