蚂蚁的启示十篇

蚂蚁的启示篇1

安?阁

人人都有启示，人人都曾经得到过一个含义深刻的启示，例如：回声的启示，鸟儿的启示，老黄牛的启示……在我记忆的图画中，就有一个令我记忆犹新的深刻启示，它就是——蚂蚁的启示。

有一天，我与父母一起去奶奶家玩，弟弟与姑姑、姑父也去了。正当我玩得开心时，突然发现山楂树下有几个蚂蚁洞。好奇心促使着我继续观察下去。于是，我干脆拿来一包零食，坐在椅子上观察起来。

这时，正是蚂蚁们出门觅食的“高峰期”。它们都争先恐后、不约而同地从洞内爬了出来。但由于地上没有太多可以吃的食物，蚂蚁们大多两手空空如也，垂头丧气地回到洞内时，我便情不自禁地撒了点面包渣在地上，不久，蚂蚁们便发现这块“宝地”。一窝蜂似的围拢过来搬运食物。我看到这个情景后，便想考考它们，看看它们会怎么做。于是，我又把面包掰成大块放在了地上。结果：有一些蚂蚁仍旧搬着面包渣，一步一步地向洞口爬去，最后运回了洞内；有一些蚂蚁想独吞那令人“垂涎三尺”的美味，便各自找了一块面包，趴在上面津津有味地吃起来；还有一些蚂蚁找了一块大面包，齐心协力地想办法把面包运回洞内。只见有的蚂蚁在下面用力地抬着面包走，有的在两边和后面使劲地推着，还有的在前面用尽全力地拉着面包前进。当它们把面包运到洞口时，便发现面包太大了，无法运回洞内。于是，他们便用嘴巴把面包咬成了几小块，陆续运回了洞内。

三种蚂蚁的做法截然不同：一种虽然换来的成果小，但是依然可以尝到美味；一种虽然以为自己很聪明，可以独自享受这豪华的待遇，但是，它们换来的只是徒劳；一种虽然很累，但是，它们却享受到了别人享受不到的东西，那就是——快乐。

通过这件事，我明白了：在生活中人人都要互相帮助，团结友爱，齐心协力，攻克难关，只有这样，才能创造出更加美好的未来！

蚂蚁的启示篇2

忽然，我看见一群蚂蚁整整齐齐排成一列往楼上爬.我早听说下雨时蚂蚁就要往高处爬，今天就偶遇到了.

只见一群蚂蚁整齐地往前走，没有一个掉队.那成千成万的蚂蚁排成一列的场面蔚为壮观！

我联想到了我们人类，我们是不是应该也要团结一致呢？一只小小的蚂蚁都能如此配合，那我们呢？

蚂蚁的启示篇3

我再仔细观察，我突然看间一只小蚂蚁在搬运一个非常大的面包子，小蚂蚁实在搬不动了，别的小蚂蚁，看见那一只小蚂蚁搬不动这块非常大的面包子，就爬过去帮助小蚂蚁搬运食物，然后，这块非常的大的面包子就被同心协力的蚂蚁们搬运洞里了。

然后我跑到厨房拿东西，看见地板上也有一只小蚂蚁正围着一颗小豆子转来转去，好象要吃拿一颗豆子。这时候来了一只大蟑螂，小蚂蚁看见大蟑螂，有点心虚于是就往后退了了几步。那只特别大的蟑螂“长牙舞爪”，象拿只小小的蚂蚁进攻；小蚂蚁壮着胆子向前迈步。当那只蟑螂正要把小蚂蚁消灭时，从洞里来了一大群蚂蚁，把那只大蟑螂给围住了。那只大蟑螂不敢迈象以步，那只小蚂蚁看到自己的朋友来了“手足舞蹈”。最后蚂蚁们凯旋而归，他们带着站利品-豆子回来到了洞里。

它们给我的启示是；团结就是力量，只要团结起来，不论什么困难都不怕！

我们也要像蚂蚁一样，团结就是力量！

蚂蚁的启示篇4

看蚂蚁的启示 浙江省 桐乡市乌镇植材小学五（2） 蔡玲莉 今天中午，我坐在椅子上面看弟弟打弹子。忽然，我看见附近地上有一些黑色的小点在移动。于是，我走近去看，发现原来是一些蚂蚁在搬运东西。

我再仔细观察，看到它们是在搬运一些吃的物品。我看到它们搬得是那样的辛苦，觉得它们非常勤劳。忽然，我想到了一个怪主意。于是，我去拿来了一杯子水。我把这一杯子水倒在了它们的身上，倒湿了一大片地方。我看到它们都在水里挣扎，有的还动弹不了，躺在那里一动也不动。“哈哈，这一些小蚂蚁竟然给我一下子治了。”可是，这一些蚂蚁并没有被淹死。 等到水干了，它们又活了，爬了起来。我看到它们竟然又去搬运那一些食物了。我想这一些蚂蚁真勤劳，简直不要命了。我想再考验一下这一些蚂蚁，看看它们的适应能力，生存能力。我又拿来了一杯子水。我又往这一些蚂蚁身上倒了下去。许多蚂蚁一下子倒在地上不动了，一些蚂蚁还在挣扎着硬要爬出去。接着，一些蚂蚁为了保命，爬出水坑以后就往别处跑了。可能它们想到留得青山在，不怕没柴烧。

就在这时，我好象得到了什么启示一般。我再仔细一想，明白了：我们人也要像小蚂蚁一样对待困难，要不顾一切去克服困难，不要半途而废。只有坚持到底，才能够取得胜利。同时，我们还要像小蚂蚁一样学会看方向，不要盲目蛮干。为了集体甘于献出自己的一切！

指导教师：冯永康

[推荐给朋友] [显示打印]

蚂蚁的启示篇5

黄宇宸

大自然中的事物非常奇妙，我就从中获得了自然启示。

这一天，乌云密布。天空被乌云笼罩了起来，整个县城一片黑暗。天空中不时出现耀眼的闪电。震耳的雷声和耀眼的闪电交织在一起。

我在院中乱跑，我来到屋檐下，坐到台阶上，仰望着天空，发出了叹息。我摇了摇头，我不经意地发现了一个爬行的小动物。我摸了摸眼睛，一看原来是蚂蚁，咦！这不是大米吗？我走近一看，原来是它们的卵。我在它们手中拿了一个像米粒一样的卵。我见它们都止住了脚步，看来它们想要回这个小生命。

我轻轻地把卵放了回去，生怕捏死这个小生命。眼前的这一幕，使我感动万分，充分体现了父母对子女伟大的爱！下雨了，我跑进了房中，可是这些蚂蚁群队还在倾盆大雨中受着折磨！

蚂蚁的启示篇6

过了半小时，我发现它们还是只走了一点点路，我非常想去帮它们，但我又不忍心破坏这么动人的“场面”。

又过了半小时，蚂蚁们还是没走多远，但它们这种精神值得我学习。蚂蚁们虽小，但力气却不一般，它们懂得团结就是力量大……….

整整四个半小时过去了，它们终于把毛毛虫搬进了洞窝里。

虽然这件事已经结束了，但蚂蚁的那种坚强的意志却印在我的脑海里……..

蚂蚁的启示篇7

那一次是一个星期天，我正在下楼梯，在一个不显眼的角落里，有几只蚂蚁正在和一个受了伤的飞蛾打斗，我便蹲下去看，心想：“这场战争肯定是飞蛾赢，因为飞蛾在蚂蚁眼里像飞机似的大小。战争开始了，蚂蚁来装投降，趁其不备，狠狠的撕咬了一下飞蛾，飞蛾苦不堪言，甩了一下身子，蚂蚁有的断手断脚，两方现在打了个平局。接下来，蚂蚁开始它的战术：咬一下飞蛾就跑，咬一下飞蛾就跑。飞蛾叫苦不堪，被蚂蚁打得落花流水，飞蛾也不干示弱，用两只翅膀扇出飓风（对蚂蚁看来是飓风）。最后，蚂蚁们搬来成千上万的兄弟，把飞蛾打的连连退后。最后，飞蛾败下阵来，被蚂蚁托进了洞里。

啊！原来蚂蚁什么东西都打得赢，靠得是团结和睦。这种团结和睦的精神我们真该学习呀！

梅子小学四(1)班陈靓

指导老师：刘天容

蚂蚁的启示篇8

一天，我正在阳台上玩叶子。可是，总有人打扰我。我一看，呀！是蚂蚁。于是，又玩起蚂蚁来了。

我突然发现，它们还伴着食物呢，我有一个念头：用水把它们的食物冲走。于是，我拿了一点水，洒在他们身上。太好了，蚂蚁和实物分开了！可是，蚂蚁们等水干了，又把食物搬了起来。我不服气，想：不可能，那小小的蚂蚁，这么可能斗得过我！于是，我把整盆水倒了下去，把蚂蚁都冲散了。可是，它们又等水干了，搬起食物，走向自己的巢。唉，我真拿这些蚂蚁没办法，散了又聚，散了又聚。我只好放了它们这些小蚂蚁。

玩着玩着，我似乎懂得了，大家要团结；还要坚持不懈；还要勤劳；还要……。总之，就是要像蚂蚁的精神学习。大家别看蚂蚁如此渺小，可是，他身上，却具有一些人没有的精神！

蚂蚁的启示篇9

针对这一个问题，我们教研组以《蚂蚁搬骨头》的看图写话为基点，运用情境教学开展了一次研讨活动。以下是几次活动的对比：在教育目标设定时，第一次试教定位于观察图片，能用一段通顺完整的话把图意表达清楚。第二次试教则把“能用一段通顺完整的话”改为“展开合理想象，用一段通顺完整的话”。目标更为具体，要求也有所提高。

教学难点的制订也根据目标的改变，从观察动作到语言、神态逐步增加。

在实施过程中，第一幅图的教学区别于第一次试教：请几个学生分别表演蚂蚁搬骨头，其他学生观察同学是用了哪些方法搬的，教师把好词记录下来。在第二次试教时，让学生说说体会，想想办法。到第三次试教时，让所有的学生都能参与到课堂设置的教学情境中来，让部分学生来学学小蚂蚁是怎么样呼唤朋友的（一个学生学蚂蚁呼唤同伴，其他学生当同伴给予回应）。

第二幅图的教学，第一次试教时只运用了让学生想象，在后两次的实践中则更注重学生的参与。第二次是让学生上台表演，第三次则是让所有的学生在座位上表演，加上音乐的烘托，让每个学生都沉静在这个情境中，从而让学生说话时有话可说。

最后写作环节的试教，更注重让学生着重写一个场景，要求再看看两幅图，把自己最喜欢的一个情节再回顾一遍，然后动笔写故事。

通过几次的试教，学生的习作呈现也是不同的：

第一次试教，学生用一段话通顺地写下来，但是对于蚂蚁搬骨头时的动作描写得不到位，很多学生罗列了和板书一样的动词后，总结性陈词“骨头还是搬不动”，对于骨头的描写大同小异。学生缺少自己的视角。

第二次的试教，学生能用一段通顺、完整的话写下来。在对小蚂蚁找到食物后的细节描写比较到位，能力强的学生还能有自己独特的想法。但是蚂蚁一起搬骨头的重点还是没有突破，从学生的作品中看，很多学生都不能把小蚂蚁单独想办法时搬骨头的动作迁移到集体搬骨头的画面中去。

第三次试教，学生能用一段完整、通顺的话把图意表述清楚。小蚂蚁呼唤同伴帮助的难点落实得很不错，蚂蚁集体搬骨头的想象也具体化了。学生能用“号子”的形式把搬骨头时的场面描写出来。

通过三次大同小异的试教课，让我们得到了以下几点思考：

一、情境教学让学生快速地融入图境中

情境教学法是指在教学过程中，教师有目的地引入或创设具有一定情绪色彩的、以形象为主体的生动具体的场景，以引起学生一定的态度体验，从而帮助学生理解教材，并使学生的心理机能能得到发展的教学方法。

低段学生的思维还是处于形象思维到抽象思维的转换中，大多时还是以形象思维为主。情境教学可以很好地拉近学生和图之间的距离，让学生感觉到看图写话并不是那么的遥远，减少学生的陌生感和敬畏感。如，在《小蚂蚁搬骨头》的引题环节中，以故事开头，带学生走进小蚂蚁的情境中，再一层层地进入，让学生感觉到自己就是那只蚂蚁，从而产生同感，进而能联系到自己的生活实际，把单调的图结合到生动的生活中，减少了陌生感。

二、合理的情境教学让静态的图片“动”起来

在看图写话中，有很多地方是要学生展开合理想象的。但这个想象对于中等甚至是学习困难生来说是难以展开的。对于教师而言，在什么地方运用情境教学法来提升学生的想象内容也是重点和难点。

教学《蚂蚁》一课时，对于第一幅图的教学，第一次教学的重难点放在了“骨头是怎么样的”这个问题上，但由于这个图本来是静态的，运用情境教学的效果不大。在第二次教学时，把重难点改为“发现骨头后小蚂蚁是怎么样表现的”。对于这个重难点又分两个层次，第一层次让学生观察图片，利用图片让学生想象蚂蚁的表情。第二层让学生在第一层的基础上，想象蚂蚁会怎么样搬骨头。这里就设计了让个别学生上来表演，让其他学生仔细观察。这个环节虽然简单，但是让学生十分直观地看到了小蚂蚁在大骨头面前，绞尽脑汁搬的各种动作以及搬时的脸部表情。把静态的想象变成了一个动态的场景，让学生的想象丰满起来，学生的语言也灵动起来了。

可见，在需要的地方合理地运用情境教学，可以搭建一个很好的梯子，让学生顺梯而上，写话也就水到渠成了。

三、情境教学时可以点面结合，激发更多学生的写话热情

如果说，上一点所说的情境教学，让几个学生上来表演，创设了一个小情境让其他学生观看的话，那让整个班级的学生融入一个情境中，创设一个整体的大情境，则能让每个学生都能感同身受，从而更有说的欲望。

蚂蚁的启示篇10

关键词：蚁群算法；参数选择；人工设置；自适应调整

中图分类号：TP312文献标识码：A文章编号：1009-3044(2010)20-5588-03

Study on Parameter Selection of Ant Colony Algorithm

HUANG Shao-rong

(Department of Information Management, Guangdong Justice Police Vocational College, Guangzhou 510520, China)

Abstract: Ant colony algorithm (ACA) is a new stochastic optimization algorithm which shows many excellent characters and has succeeded in solving many difficult optimization problems and NP-hard problems. The parameters have an important role in the result of ant colony algorithm. This paper introduces the theory of ACA based on Traveling Salesman Problem (TSP), analyses the function and influence of parameters in ACA, and then introduces the methods of parameters selection in two ways: set the parameters manually and adjust the parameters adaptively. At last, it has compares and summarizes each method.

Key words: ant colony algorithm; parameter selection; manually set; adaptively adjust

如何为元启发式算法设置合理的参数是启发式算法理论和应用研究的一个重要方向。蚁群算法作为最成功的元启发式算法之一，优化性能很大程度上依赖于参数的设置，但要对其参数进行最优设置是一项复杂的工作，往往需要经过大量的测试，这成为蚁群算法进一步推广应用的一个瓶颈。

1 基本蚁群算法

蚁群算法是由Colorni、Dorigo和Maniezzo于20世纪90年代初通过模拟自然界中蚂蚁集体寻径的行为而提出的一种基于种群的启发式仿生进化算法[1]。由于蚁群算法具有分布性、并行性、全局性、鲁棒性强等特点，已经在求解NP-难问题和众多应用问题中显示出良好的优化性能和发展潜力。

以TSP问题为例，采用常用的any-cycle模型，简单阐述蚁群算法的基本原理：

设有m只蚂蚁，每只蚂蚁访问n个城市，规定蚂蚁走合法路线，除非周游完成，不允许转到已访问城市。初始时刻，各路径的信息量τij(0)相等，m只蚂蚁被放置到不同的城市上。蚂蚁k（k=1,2...,m）在运动过程中，根据各条路径上信息量和前方路径的长短决定转移方向，Pkij (t)表示在t时刻蚂蚁k由城市i转移到j的概率：

(1)

其中：

allowed k―蚂蚁k下一步允许转移到的城市集合，随k的行进而改变；

τij(t)―t时刻路径（i,j）上的信息量；

α―信息启发式因子；

β―期望启发式因子；

ηij(t)―城市i转到j的期望程度，一般取：ηij(t)=1/dij（dij表示相邻两个城市的距离）；

当蚂蚁k完成周游后，根据式(2)-(4)更新蚂蚁访问过的每一条边上的信息素：

τij(t+n)=(1-ρ)・τij(t)+ Δτij(t) (2)

(3)

(4)

其中：

ρ―信息素挥发系数；

Δτij(t)―本次循环中路径(i,j)上的信息量增量；

Δτkij(t)―蚂蚁k本次循环中在路径(i,j)上留下的信息素数量；

Lk―蚂蚁k环游一周的路径长度；

Q―信息素强度因子，常量。

众多的研究已经表明蚁群算法具有很强的发现较好解的能力，但作为启发式概率型优化算法，蚁群算法存在着早熟收敛，对参数依赖性强的缺点。对于不同版本的蚁群算法或具体的应用问题，甚至不同的具体实例，算法需要不同的参数设置来获取最优的性能。传统对参数的设置是根据应用者有限的经验习惯人为地调整，往往需要做大量的数据测试，不仅耗费时间而且影响了算法最优性能的发挥，成为蚁群算法应用的一大缺陷。

2 控制参数对算法性能的影响[2]

蚁群算法含有一系列对算法性能有重要影响的控制参数，包括：

1）启发式因子α和β：α表示信息素的重要性，反映了蚁群在运动过程中所残留的信息量在指导蚁群搜索中的相对重要程度。α越大，信息素在路径选择上所起作用越大，蚂蚁选择以前走过路径的可能性就越大，搜索的随机性减弱；α越小，易使蚁群算法过早陷入局部最优。当α=0时，将不会利用信息素信息，搜索降为贪婪搜索。

β表示能见度的重要性，反映了启发式信息在指导蚁群搜索过程中的相对重要程度。这些启发式信息表现为寻优过程中先验性、确定性因素。β越大，城市之间距离对路径选择所起作用越大，蚂蚁在局部点上选择局部最短路径的可能性越大，虽然加快了收敛速度，但减弱了随机性，易于陷入局部最优。当β=0时，将忽略对有吸引力的解的显式倾向，算法等同于性能较差的简单蚁群优化（SACO）。

α和β决定了以往的搜索经验和问题的固有启发信息之间的相对重要性，出现在绝大部分的蚁群算法中，对算法性能的影响至关重要，是最重要的两个参数。由于α和β是在信息素浓度和启发式信息之间取得平衡的转移概率Pkij的两大决定因子，通过调节α和β可以很好地处理探索--开发之间的关系。

2）信息素挥发系数ρ：模仿人类记忆特点，随着新信息的增加，旧的信息将逐步忘却、削弱，故引入ρ表示信息素的挥发率，为了防止信息的无限积累，ρ的取值范围设定为[0,1]。

ρ的大小直接关系到蚁群算法的全局搜索能力及其收敛速度；ρ增大，则信息素挥发加快，对过去的历史经验不太敏感，突出最近路径上留下的信息对选择的影响。

相应地，用1-ρ表示信息的残留系数。1-ρ反映了蚂蚁个体之间相互影响的强弱，其大小对蚁群算法的收敛性能影响非常大。在0.1-0.99范围内，1-ρ与迭代次数近似成正比，这是由于1-ρ很大，路径上的残留信息占主导地位，信息正反馈作用相对较弱，搜索的随机性增强，因而蚁群算法的收敛速度慢。若1-ρ较小时，正反馈作用占主导地位，搜索的随机性减弱，导致收敛速度快，但易陷于局部最优。

3）信息素强度因子Q：Q表示蚂蚁循环一周或一个过程释放在所经路径上的信息素总量。在一定程度上影响处算法的收敛速度，Q越大，则每次蚂蚁经过所留下的信息素越多，在已遍历路径上信息素的累积越快，加强蚁群搜索时的正反馈性，有助于算法的快速收敛。

4）蚂蚁数量m：蚁群算法成功在于多只蚂蚁的共同协作行为，通过释放信息素，蚂蚁之间相互传递有关搜索空间的经验与知识。对同一规模的处理问题，m越大，即蚂蚁数量多，会提高蚁群算法的全局搜索能力和稳定性，但数量过多会导致大量曾被搜索过的路径上的信息量变化趋于平均，信息正反馈作用减弱，随机性增强，收敛速度变慢。反之，如果m越小，即蚂蚁数目太少，会使从来未被搜索到的解上的信息量减小到接近于0，全局搜索的随机性减弱，虽然提高了收敛速度，但算法稳定性差，出现早熟现象。另一个就是对计算复杂度的影响，使用的蚂蚁越多，需要建立的路径就越多，对信息素释放的计算也就越多。

3 参数选择

控制参数直接影响算法的性能，包括找到的解的质量及其计算开销。参数选择在算法应用中显得尤其重要，为了提高算法的性能，必须优化相关的控制参数。自从Dorigo等对AS系统中的参数下选取进行了初步研究[3]以来，很多学者在实验基础上进行了深入研究并提供了一些参数设置参考值和优化参数值的启发式方法。

1）人工设置参数：叶志伟等对α、β和ρ这三个对算法的影响较大的参数的最优配置进行了研究，得出：在any-cycle模型中，α=1，β=5，ρ=0.5时，算法性能最优；ant-density模型中，α=1，β=10，ρ=0.1时，算法性能最优；ant-quantity模型中，α=1，β=5，ρ=0.001时，算法性能最优[4]；而蒋玲艳等在分析了这三个参数不同组合对算法性能的影响基础上，总结出参数设置规则：当α∈[0.1,0.3]，β∈[3,6]，ρ∈[0.01,0.3]时，算法总体上有较好的性能，不易早熟，而且所需的迭代次数较少[5]。

对于所有参数（α、β、ρ、Q、m），段海滨提出了调整步骤[6]：首先根据“城市规模/蚂蚁数目≈1.5”的原则确定蚂蚁数目m；然后粗调取值范围较大的α、β和Q；最后微调取值范围较小的ρ。詹士昌等指出当α∈[1,5]，β∈[1,5]，ρ=0.3，Q=100， （n为城市规模）时基本蚁群算法能较快地求得最优解[7]。张毅等则提出了最优的算法参数组合为：α=1、β=5、ρ=0.6、Q=1000、m=城市规模。在该算法参数设置原则下，基本蚁群算法对任意TSP问题总能比较快速地求得全局最优解[8]。

人工设置参数需要大量的数据测试，蚁群中的所有蚂蚁均采用相同的参数，而且只能为算法设定一个合适的初始参数，而不能在执行过程中随时调整参数，影响了算法的性能。

2）自适应调整参数：针对人工设置参数的局限，学者们提出了自适应地调整参数的改进算法，主要是利用蚁群算法具有容易与其它优化算法或局部搜索算法结合的优点，在蚁群算法中混合其它启发式算法以对其参数进行训练和优化，主要有：

① 运用遗传算法优化蚁群算法的控制参数[9]：利用遗传算法快速性、随机性、全局收敛性的特点，每条染色体代表蚁群算法的一个参数值集合，通过选择、交叉和变异等操作不断优化蚁群算法参数。

② 运用粒子群优化算法优化蚁群算法的控制参数[10]：粒子群优化算法具有非常快地逼迫最优解的速度，可以有效对蚁群算法的控制参数进行优化。粒子被表示成一个多维的实数编码串，代表蚁群算法的一个参数值集合，再引入适应度函数并结合粒子群算法得到各参数的最优组合。

③ 运用差分演化算法优化蚁群算法的控制参数：将蚁群算法的参数作为差分演化算法解空间的向量元素，自适应地寻找蚁群算法最优参数组合的同时求解问题的最优解。

在蚁群算法中引入其它启发式算法的混合算法，不仅使蚁群算法有效摆脱了对参数设置的依赖，而且克服了早熟收敛的缺点，大大提高了算法发现最优解的能力，具有更好的全局优化性能。

此外，研究者还提出了根据蚁群算法的不同进化阶段或当连续几代进化后的最优解没有明显变化时，自适应调整参数，以提高最优解的求解质量的改进方案[11]。这类改进算法能够有效提高算法的优化性能，但这些方法并不是通用的，只能使用于特定的算法模型或针对特定的问题。

4 小结

蚁群算法作为一种随机算法，其性能很大程度上受算法参数的影响，好的参数可以使算法快速收敛于优质解，而参数设置不当，将导致算法找到的解质量差，容易陷于局部最优，并且收敛速度慢甚至不收敛。由于蚁群算法参数空间的庞大性和各参数之间的关联性，很难设置最优参数组合以使蚁群算法优化性能最佳，至今还没有完善的理论依据，没有参数选择方面的公式可循，通常根据经验而定。因此，对蚁群算法的参数进行深入分析，了解参数之间的关联，提出好的参数设置方案，以便更合理地设置参数或者自适应地调整参数是非常有意义的，不仅能有效地提高算法的优化性能，而且完善了算法的理论研究，进一步推广蚁群算法在优化领域上的应用。

参考文献：

[1] Colorni A,Dorigo M,Maniezzo V.Distributed Optimization by Ant Colonies[C]//The First European Conference on Artificial Life.France: Elsevier,1991:134-142.

[2] 汪定伟.智能优化方法[M].北京:高等教育出版社,2007.

[3] Dorigo M,Maniezzo V,Colorni A.Ant system: optimization by a Colony of Cooperating Agents[J].IEEE Transactions on System,Man and Cybernetics,1996,26(1):29-41.

[4] 叶志伟,郑肇葆.蚁群算法中参数α,β,ρ设置的研究-以TSP问题为例[J].武汉大学学报,2004,29(7):597-601.

[5] 蒋玲艳,张军,钟树鸿.蚁群算法的参数分析[J].计算机工程与应用,2007,43(20):31-36.

[6] 段海滨.蚁群算法原理及应用[M].北京:科学出版社,2005.

[7] 詹士昌,徐婕,吴俊.蚁群算法中关键参数的选择[J].科技通报,2003,19(5):381-386.

[8] 张毅,梁艳春.蚁群算法中求解参数最优选择[J].分析计算机应用研究,2007(8).

[9] Botee H,Bonabeau E.Evolving Ant Colony Optimization[J].Complex Systems,1998,1(2):149-159.