蚁群优化算法是蚁群算法发展过程中一个十分重要的里程碑。蚁群算法的标准框架主要来源于蚁群优化算法（Ant Colony Optimization，ACO），这种算法最初是由Dorigo等人在1999年提出。它的基本思路：在求解过程中，可以将问题的求解转换成运用ACO寻找满足一定约束条件下的最短路径，从而顺利地完成问题的求解。蚁群优化算法高度概括了蚁群算法的实际操作过程，主要包括信息素挥发、蚂蚁行为及某些守护操作。

信息素的挥发是指随着时间的推移，各边上所有的信息素都将逐渐挥发，直至完全消失。这种操作有利于促使蚂蚁去搜索新的解空间，且可以有效阻止算法过早陷入局部最优，使其继续寻优，进而找到更优解。

蚂蚁行为是指蚁群中的所有蚂蚁在同一时间、在问题空间中几个相邻的状态间进行异步移动（可理解为在图中几个相邻的结点间进行移动）。蚂蚁的移动主要受制于问题自身的条件限制以及取决于信息素和启发信息的选择策略。这种移动的最终目的是实现问题解的构建。当构建解时或完成这项任务后，蚂蚁会首先综合评价当前解（方案），然后根据解的优劣情况来决定要释放到当前路径上信息素的数量，用以指导蚂蚁对后续路径的构建。(www.daowen.com)

守护操作实质上指的是完成部分蚂蚁无法实现的集中控制任务，例如，在对每只蚂蚁所构建的路径长度进行对比后，只针对最优路径上的信息素实行全局更新，部分局部搜索策略等。