布里斯托尔的一组研究人员观察了蚂蚁的探索行为

布里斯托尔的一组研究人员观察了蚂蚁的探索行为，这为开发更有效的数学采样技术提供了信息。

像蚂蚁这样的动物面临着探索环境以寻找食物和潜在居住地的挑战。如果有大量的个体，比如蚁群，如果蚂蚁反复探索同一个空地，会浪费很多时间。

在皇家学会，每年都会有一个跨学科的团队发布来自布里斯托大学各个系的《工程学与生命科学》，描述他们如何预测要研究的物种——“岩蚁”——，以使用某种形式的化学通讯来避免在同一区间进行多次探索。

第一作者埃德蒙亨特博士说：

“这将是汉瑟和格莱特故事的反转。——不是跟随对方的脚步，而是会避开他们进行集体探索。

“为了测试这一理论，我们进行了一项实验，让蚂蚁一个接一个地探索一个空旷的竞技场。在第一种情况下，我们清理了每只蚂蚁之间的竞技场，以防止它们留下任何痕迹。在第二种情况下，我们没有清理蚂蚁。第二种情况下的蚂蚁(没有打扫)更好地探索了竞技场——，它们覆盖了更多的空间。”

在数学中，概率分布描述了一组不同的可能结果中的每一个的概率：例如，蚂蚁在某处找到食物的概率。在许多科学和工程问题中，这些分布非常复杂，没有明确的数学描述。相反，我们必须从中取样以获得一个好的近似值：我们希望避免对分布中不重要(低概率)的部分进行过采样。

该团队想知道蚂蚁启发的方法是否可以加快采样过程。

“我们预测，通过在采样位置留下‘负迹’，可以模拟蚂蚁在数学采样中使用的方法。我们发现蚂蚁启发的采样方法比标准方法更有效(更快)，标准方法不会留下已经采样过的地方的记忆。”亨特医生说。

这些发现有助于蚂蚁面临的探索问题和获取信息的数学采样问题之间有趣的相似性。这种相似性可以让我们对蚂蚁进化成的工作有一个基本的了解：更有效地获取信息。

“我们的蚂蚁启发式采样方法可能在很多领域(比如计算生物学)非常有用，可以加快复杂问题的分析速度。使用信息术语来描述蚂蚁的集体行为也使我们能够量化蚂蚁行为的不同方面对它们的成功有多大贡献。例如，当它们的信息素没有被清除时，它们的表现会好得多。这让我们可以预测自然选择最有可能支持哪种行为机制。"