第一个蚁群优化算法是由Marco Dorigo在报告正反馈作为搜索策略(1991) 和他的博士论文优化、学习和自然算法(1992) 中介绍的。他仍然是群体智能领域的领军人物之一（还撰写或共同撰写了多篇论文和书籍）。另一个对 ACO 算法做出贡献的重要人物是Luca Gambardella （ IDSIA的联合主任）。

有几种 ACO 算法。它们都是基于真正蚂蚁的行为方式，即通过在地面上留下一种称为“信息素”的物质来进行交流。更具体地说，信息素的数量与价值（例如食物）相关：更多的信息素意味着更多的价值。（现在应该清楚队列背后的真正蚂蚁形式的原因）。

ACO 算法列表可以在http://iridia.ulb.ac.be/~mdorigo/ACO/publications.html找到。为了重现性，这里有一个（非详尽的）列表：

• 蚂蚁系统
• 精英蚂蚁系统
• 蚂蚁Q
• 蚁群系统
• 最大最小蚂蚁系统
• 基于等级的蚂蚁系统
• 蚂蚁
• 超立方体 - ACO

ACO 算法已应用于组合和NP 完全问题（例如旅行商问题）。因此，ACO 算法是元启发式算法和概率算法（在同一模拟退火系列中）的集合，用于解决通常被认为难以解决的问题。相关的Wikipedia 文章包含一个更详尽的部分，专门介绍这些算法的应用。ACO 算法通常与本地搜索算法（如 2-opt 或 3-opt）结合使用。

我建议你从旅行商问题开始，这是这些算法的第一个应用。您可以在http://iridia.ulb.ac.be/~mdorigo/ACO/aco-code/public-software.html查看参考实现，您还可以在其中找到解决特定任务的软件（不仅仅是TSP，例如最大集团问题）。