针对蚁群优化（ACO）只适用于离散问题的局限性，提出了连续蚁群优化算法（CACO）,保留 了连续问题可行解的原有形式，并融入演化算法（EA）的种群与操作功能。CACO将蚁群分工为全局和局部 蚂蚁，分别引领个体执行全局探索式搜优与局部挖掘式搜优，并释放信息素，由个体承载，实现信息共享 ，形成相互激励的正反馈机制，加速搜优进程。实例测试表明，CACO适用于连续问题，全局寻优性能良好 ，尤其对复杂的高维问题，更能反映其相对优势。最后讨论了局部寻优方法、全局蚂蚁配比、挥发因子和 种群规模等因素对CACO寻优性能的影响。
国家自然科学基金资助项目（20276063）.
程志刚 陈德钊 吴晓华. 连续蚁群优化算法的研究[J]. J4, 2005, 39(8): 1147-1151.
CHENG Zhi-Gang, CHEN De-Zhao, TUN Xiao-Hua. . J4, 2005, 39(8): 1147-1151.
http://www.zjujournals.com/xueshu/eng/CN/ 或 http://www.zjujournals.com/xueshu/eng/CN/Y2005/V39/I8/1147
Cited
