W kilku słowach – Sztuczna Inteligencja (AI) w Systemach Mrowiskowych to algorytmiczna optymalizacja semilosowego działania setek agentów (wirtualnych mrówek).
W kilku słowach zabrzmiało to dość niezrozumiale, w szerszym rozwinięciu tematu Agenty (czyli wirtualne mrówki) w miarę losowo poruszają się w zadanym środowisku, które możemy opisać strukturą grafu. W trakcie ich aktywności oznaczają one drogę po której się przemieszczają dzięki czemu inne Agenty mogą skorzystać z tak oznaczonej drogi jako podpowiedzi “poprawnego rozwiązania” – im więcej Agentów porusza się taką drogą tym mocniej jest ona oznakowana i tym “bardziej przekonująca” staje się ta podpowiedź dla innych Agentów. Bliska losowej wybieralność drogi każdej z mrówek z osobna przeradza się w zorganizowaną i optymalnie dobraną “autostradę” pomiędzy dwoma zadanymi punktami w grafie dla współdziałającej kolonii mrówek. Drogi o nieoptymalnym połączeniu są wybierane rzadziej, a stopniowo oznakowanie wygasa i są pomijane przez resztę Agentów.
Na powyższym rysunku widać 4 etapy drogi Agentów, gdzie na ćwiartce (d) widać, że droga A-C-D jest najczęściej wybierana, bo czasowo (tu: kryterium decyzyjne) Agenty pokonują ją najszybciej, więc większa ich ilość pokonała właśnie tę drogę i oznakowała ją dzięki temu wyraźniejszym śladem (w Systemach Mrowiskowych mówi się o śladzie feromonowym).
Mniej więcej na tym polega optymalizacja za pomocą Systemów Mrowiskowych. W zależności od dobranych kryteriów rozwiązują one w ten sposób złożone zagadnienia matematyczne uzyskując wyniki przybliżone do ich algebraicznego rozwinięcia, ale w ułamku czasu potrzebnego do przeprowadzania tych obliczeń. Często nie potrzebujemy dokładnego rozwinięcia funkcji co do ostatniej liczby po przecinku, a jedynie wskazania jednego prawidłowego z wielu możliwych rozwiązań.
Takim rozwiązaniem jest np. wyszukanie najkrótszej drogi pomiędzy dwoma punktami w grafie.