🐜 Colonie de Fourmis — Pistes de Phéromones

La concentration de phéromone sur chaque cellule de la grille est multipliée par un facteur de décroissance (0 < d < 1) à chaque image de simulation, modélisant l'évaporation. La quantité restante après t images suit une courbe exponentielle : P(t) = P(0) * d^t. Lorsque d est proche de 1 (par ex. 0,999), les pistes persistent pendant de nombreuses secondes ; lorsque d est plus bas (par ex. 0,9), elles s'estompent en une fraction de seconde. L'équilibre entre le taux de dépôt et le taux de décroissance détermine si la rétroaction positive peut maintenir une piste stable.

Dans l'expérience classique du double pont de Goss et al. (1989), une colonie s'est vu proposer deux itinéraires de longueurs différentes entre le nid et la nourriture. Les fourmis ont d'abord choisi les deux au hasard, mais comme l'itinéraire le plus court prenait moins de temps, les fourmis qui revenaient le renforçaient avec plus de phéromone par unité de temps avant que les pistes de l'itinéraire plus long ne deviennent aussi fortes. La colonie convergeait de manière fiable vers le chemin le plus court — le même mécanisme de rétroaction que cette simulation démontre avec plusieurs sources de nourriture à distances variables.

Exact — c'est l'un des points les plus importants concernant l'intelligence en essaim. Aucune fourmi ne connaît l'objectif de la colonie ; chacune suit uniquement des signaux chimiques locaux et quelques règles comportementales simples. Le comportement apparemment intelligent au niveau de la colonie — trouver des chemins courts, prioriser les sources de nourriture plus riches, se rétablir après des blocages — résulte entièrement de l'interaction de nombreux agents simples. Cette auto-organisation décentralisée est la caractéristique déterminante des systèmes adaptatifs complexes.

Marco Dorigo a introduit l'algorithme Ant System dans sa thèse de doctorat de 1992 au Politecnico di Milano, inspiré par des études éthologiques de recherche de nourriture chez des espèces telles que Lasius niger. Le premier article sur l'ACO a été publié avec Alberto Colorni et Vittorio Maniezzo en 1991. Dorigo l'a ensuite étendu en Ant Colony System (1997) et en variantes MAX-MIN Ant System, qui restent compétitives sur les problèmes de routage de référence aujourd'hui. Il a reçu le prix IEEE Frank Rosenblatt en 2015 en partie pour ce travail.

Boids (vol groupé) partage les fondements de l'intelligence en essaim : les agents suivent des règles locales et un ordre global émerge. La Fourmi de Langton montre un automate cellulaire à agent unique avec un comportement à long terme étonnamment complexe. La simulation du problème du voyageur de commerce sur ce site utilise directement l'ACO comme solveur. Les algorithmes génétiques partagent la classe plus large des métaheuristiques inspirées de la nature. Les simulations de moisissures visqueuses modélisent un mécanisme similaire de dépôt et de suivi de phéromone chez l'organisme Physarum polycephalum.

L'Optimisation par Colonies de Fourmis est appliquée à la logistique (routage de type UPS et FedEx), au routage de paquets réseau (AntNet), à la planification de trajectoires de robots, à la prédiction du repliement des protéines, et à l'ordonnancement d'ateliers. Les entreprises de télécommunications ont utilisé des algorithmes inspirés de l'ACO pour réacheminer dynamiquement le trafic autour de la congestion. En conception de puces, l'ACO aide à placer et router les composants de circuits intégrés. Son principal avantage est sa robustesse face aux changements dynamiques : parce que les fourmis continuent d'explorer, la colonie peut s'adapter quand l'environnement change — un avantage par rapport aux optimiseurs statiques.

Les domaines de recherche actifs incluent les systèmes hybrides ACO-apprentissage automatique où les poids des phéromones sont informés par des prédictions de réseaux de neurones, l'ACO multi-objectifs pour l'optimisation simultanée du coût et de la fiabilité, et des variantes inspirées du quantique qui explorent les espaces de solutions plus efficacement. Côté biologie, les chercheurs utilisent l'imagerie calcique et la vidéo haute vitesse pour cartographier la prise de décision individuelle liée aux phéromones chez les espèces Camponotus et Pogonomyrmex à une résolution de la milliseconde, les résultats alimentant en retour des modèles algorithmiques plus précis.