引用人
Boryczka U和Kozak J (2015). 通过协同学习提高蚁群决策树算法的有效性， 应用软计算 , 30 ：C , (166-178), 在线发布日期：2015年5月1日 . Kozak J和Boryczka U (2019). 蚁群决策森林元分类器中的多重推进， 基于知识的系统 , 75 ：C ，（141-151）， 在线发布日期：2015年2月1日 . Kim K、Ha C和Ok C (2018). 大规模无线传感器网络中基于网络结构软件ant的路由， 国际分布式传感器网络杂志 , 2015 , (182-182), 在线发布日期：2015年1月1日 . Changdar C、Mahapatra G和Pal R (2013). 模糊条件下二进制背包问题的蚁群优化方法， 应用数学与计算 , 223 , (243-253), 在线发布日期：2013年10月1日 . Sharma V、Agarwal M和Sen K (2019). 异质多状态串并联系统的可靠性评估与优化设计， 信息科学：国际期刊 , 181 :2 , (362-378), 在线发布日期：2011年1月1日 . 杨杰、庄毅 (2010). 一种求解复杂组合优化问题的改进蚁群算法， 应用软计算 , 10 :2 , (653-660), 在线发布日期：2010年3月1日 . Maniezzo V和Roffilli M (2008). 非常严格的约束问题， 控制论与系统 , 39 :4 , (395-424), 在线发布日期：2008年5月1日 . Ho C和Ewe H蚁群优化方法用于Ad Hoc网络中的动态负载平衡聚类问题2007 IEEE Swarm智能研讨会论文集，（76-83） Randall M竞争性蚁群优化第20届应用智能系统的工业、工程和其他应用国际会议论文集，（974-983） Felner A、Shoshani Y、Altshuler Y和Bruckstein A (2018). 具有大信息素的Multi-agent Physical A*， 自治代理和多代理系统 , 12 :1 , (3-34), 在线发布日期：2006年1月1日 . Chu D、Till M和Zomaya使用HP格点模型进行三维蛋白质结构预测的并行蚁群优化第19届IEEE国际并行和分布式处理研讨会（IPDPS’05）论文集-研讨会6-第07卷 Chen L、Tu L和Chen Y动态数据库的蚂蚁聚类方法第四届机器学习和控制论进展国际会议论文集，（169-178） Ho C和Ewe H蚁群优化（ACO）算法在特设网络动态负载平衡聚类问题上的性能2005年国际计算智能与安全会议论文集-第一卷，（622-629） Ying K和Liao C (2019). 置换flowshop测序的蚁群系统， 计算机与运筹学 , 31 :5 , (791-801), 在线发布日期：2004年4月20日 . Boryczka U和Boryczka M用于公交路由问题的多播蚁群系统元启发式，（91-125） Wade A和Salhi S一种用于回程混合车辆路由问题的蚂蚁系统算法元启发式，（699-719） Chen L，Shen J，Qin L和Fan J使用改进的蚁群算法解决连续空间优化问题的方法2004年中国科学院数据挖掘与知识管理会议论文集，（61-70） 
Sauter J、Matthews R、Van Dyke Parunak H和Brueckner S进化自适应信息素路径规划机制第一届自主代理和多代理系统国际联合会议论文集：第1部分，（434-440） Cámara D和Loureiro A (2018). Ad Hoc网络中的GPS/类蚂蚁路由， 电信系统 , 18 :1-3 , (85-100), 在线发布日期：2001年9月1日 . Ascheuer N、Jünger M和Reinelt G (2019). 带优先约束的非对称旅行商问题的分支切割算法， 计算优化与应用 , 17 :1 , (61-84), 在线发布日期：2000年10月1日 . Van Dyke Parunak H和Brueckner S Ant-like传教士和食人者第四届自治代理人国际会议记录，（467-474） Dorigo M、Di Caro G和Gambardella L (1999). 离散优化的蚂蚁算法， 人工生命 , 5 :2 , (137-172), 网上发布日期：1999年4月1日 .
建议
一个混合了新局部搜索的蚁群系统求解序列排序问题 <P> 针对序列排序问题，我们提出了一种新的局部优化器SOP-3-exchange，它扩展了旅行商问题的局部搜索，直接处理多个约束，而不会增加计算复杂性。 一个。。。 具有SOP信息素选择性记忆的蚁群系统 ICCCI 2013：第五届计算型集体智能国际会议论文集。 技术与应用-第8083卷 蚁群系统（ACS）是一种众所周知的元启发式算法，用于解决受社会昆虫（蚂蚁）觅食行为启发的困难优化问题。 ACS中的人工蚂蚁通过信息素的沉积间接合作。。。 基于粒子群优化、蚁群优化和3-Opt算法的旅行商问题混合算法 旅行推销员问题（TSP）是离散优化算法性能分析中使用的标准测试问题之一。 蚁群优化（ACO）算法出现在求解离散变量的启发式算法中。。。