شرح مختصر :بسیاری ازمسائل دنیای واقعی پویا هستند. برای حل یک مسئله بهینه سازی پویا نیاز به الگوریتمی داریم که علی رغم پیدا کردن بهینه در محیط بتواند بهینه های در حال تغییر را دنبال کند.تاکنون الگوریتم های تکاملی مختلفی برای بهینه سازی در محیط های پویا پیشنهاد شده است.دریک محیط پویا پس از روی دادن تغییر در محیط الگوریتم نیاز به تنوع کافی جهت جستجوی دوباره محیط دارد.درعین حال استفاده از اطلاعات جستجوهای پیشین رود جستجو راسریع تر میکند .مشکل اصلی الگوریتم های تکاملی معمول درحل مسائل بهینه سازی پویا همگرایی زود رس وکاهش تنوع جمعیتی در طول زمان است.بنابراین درمواجه با مسائل بهینه سازی پویا نیاز به رویکردهایی است که تنوع را در طول زمان حفظ کنند. دراین پروژه الگوریتم کلونی مورچه را بررسی کرده و در بسیاری مسائل کاربرد انرا بررسی میکند.فهرست :تقدیر وتشکرچیکدهمقدمهفصل اول:تاریخچهالگوریتم کلونی مورچه هاهوشمندی تودهایتفاوت هوشمندی توده ای وهوشمندی اجتماعیبهینه سازی مسایل بوسیله کلونی مورچهاستفاده از بهینه‌سازی کولونی مورچه‌ها در مسئله فروشنده دورهگردفصل دوممورچه ها چگونه کوتاه ترین مسیر را پیدا می کنند؟انواع مختلف الگوريتم بهينه سازي مورچگانمزیت های الگوریتم کلونی مورچهکاربردهای الگوریتم کلونی مورچهالگوريتم ACOجنگ مورچه های اتشینفصل سومالهام از طبیعت برای پیاده سازی نظامهای اجتماعیساختار نظام تحقیقات حرفه ای در پزشکی نوینمزایای تحقق نظام تحقیقات حرفه ای در جامعهفصل چهارممورچه ها متخصصان برجسته علم ژنتیکبهینهسازی مسائل ریاضی به روش مورچه‌ها(ACO)فصل پنجمبهینهسازی شبکه‌های کامپیوتری با الهام از کلونی مورچههاکاربرد های الگوریتم کلونی مورچه ها در سگمنتیشن تصویرتقطیع تصویر مبتنی بر MRF با استفاده از سیستم کلونی مورچهسیستم Ant Colony برای تقسیم بندی و طبقه بندی Microcalcification در ماموگراماستفاده از الگوریتم ACO در تقطیع تصویر برای استانه سازی مطلوب5- کاربرد های الگوریتم حرکت دسته جمعی پرندگان در سگمنتیشن تصویر1-5تقطیع تصاویر داده های سه بعدی با استفاده از الگوریتم بهینه سازی جمعی پرندگان2-5ترکیب بهینه سازی حرکت جمعی پرندگان با الگوریتم های دسته بندی Unsupervised برای تقطیع تصویر3-5بهینه سازی کلونی مورچه و الگوریتم بهینه سازی حرکت دسته جمعی پرندگان برای طبقه بندی Microcalcifications در ماموگرافیفصل ششمافق ایندهنتیجه گیری