蟻群算法（Ant Colony Optimization，ACO）是一種機率型算法，用於尋找最佳化路徑。它模擬了自然界中螞蟻通過釋放信息素來標記路徑並相互協作的行為。ACO算法的特點包括分布計算、信息正反饋和啟發式搜尋，是一種進化算法中的啟發式全局最佳化算法。
基本原理是，螞蟻在尋找食物的過程中，會根據信息素的濃度選擇行走的方向，信息素會隨著時間的推移而逐漸揮發。蟻群的集體行為表現出信息正反饋現象，即某一路徑上信息素濃度越高，選擇該路徑的螞蟻越多，進一步增加了該路徑上的信息素濃度。
ACO算法的步驟包括：
初始化參數，如螞蟻數量、信息素因子、啟發函式因子等。
構建解空間（路徑），螞蟻根據信息素和啟發式信息選擇下一個城市。
更新信息素，根據螞蟻經過的路徑長度更新信息素濃度。
判斷是否終止，若未達到最大疊代次數，則繼續尋找更優解。
輸出最優解和最短距離等信息。
ACO算法在靜態和動態最佳化問題中都有廣泛的套用，可以通過考慮信息素和啟發式信息來構造和改進解方案。ACO算法的提出者是Dorigo等人，最初在1991年的歐洲人工生命會議上提出。
ACO算法的優點包括並行性、信息正反饋和多樣性，能夠在搜尋過程中發現更好的解。然而，也存在一些缺點，如可能過早收斂到局部最優解，以及信息素更新的策略可能影響算法的性能。