一种我写了一本关于交通的书，我对交通堵塞有一种近乎临床的厌恶。我的总体默认策略是尽可能少开车，但有些时候我必须把脚踩到油门上。像许多人一样，我越来越依赖Waze应用，它通过每个司机的智能手机，将一群未分化的司机变成了某种类似集体形式的网络智能。
“Waze”，有一天我遇到了意想不到的拥堵(至少有13个“wazer”标注了拥堵)时，我想到了它，它正在帮助我们变成蚂蚁。每次司机在路上行驶时，Waze都会追踪他们的速度信息，然后将这些信息广播给每一个跟随的司机。如果有什么东西威胁到这条道路——一辆抛锚的汽车，一场车祸，或者隐约险恶的“路上的危险”——第一个遇到它的司机可以在他们的身后留下一点电子面包屑;如果这些幽灵般的路径足够多，部分后续的Waze用户可能会被重定向到其他路径。
这一切都与蚁群中发现的运动的动态引人注目;那么，小奇迹，那些蚂蚁已经证明是如此持续地对网络研究人员令人悠久的迷人。
比利时研究人员马可民宿他在20世纪90年代早期完成了第一项工作，现在被广泛称为“蚁群优化”(通常简称为ACO)，这是一种主要基于蚂蚁实际行为来组织运动的策略。正如他在早期的一篇论文中所描述的那样，“当蚂蚁从食物源走到巢穴或从食物源走到巢穴时，它们会在地面上沉积一种叫做信息素的物质，以这种方式形成信息素轨迹。”蚂蚁可以闻到信息素，在选择道路时，它们往往会选择信息素浓度很高的道路。”
在一种良性循环中(多里戈称之为“自动催化反馈”)，路径越短，就越更快的信息素积累(因此更可取的路径)。信息素浓度会随着时间的推移而蒸发，留下次优路径消失。类似地，在“位智”上，司机可以对交通拥堵的报告竖起大拇指，这是一种“电子信息素”，可以帮助其他司机避开速度较慢的路线。（什么和有多少信息实际上应该给司机，以实现最广泛的最优解决方案是一个棘手的问题.）
这些“环境中的痕迹”，在一般称为的过程中“stigmergy。”帮助解释简单的代理是如何在没有更大的沟通、协调或构建其传输网络的元能力的情况下显示出这样的结果的“令人惊讶的智慧集体行为。”明尼苏达大学交通研究员大卫·莱文森发现，人类的效率并没有那么高，在一项研究中在美国，只有15%的日常通勤者选择了尽可能短的路线。
蚂蚁表现如此出色的一个原因是它们严格而非自私地遵守这些进化的行为算法。
一种蚁群优化本身已经以惊人的速度和范围进行了迁移，并且已经在各种各样的研究中占据了位置土耳其的用电量来供应链设计到高桥墩设计来机器人学习。
但正如你可能想象的那样，交通研究人员对这种方法特别感兴趣，而且似乎有很好的理由。在一个2012纸，来自德克萨斯州A＆M大学的土木工程师希望了解蚁群优化是否对交通工程常见问题的“遗传算法”方法持有其地面：如何在流量达到“过大”级别时如何最佳地对交通信号组的时序进行坐标时序。
遗传算法，正如它的名字所反映的，模仿自然选择的过程;它“寻找”一个问题的最佳解决方案——就像进化在使生物体适应其环境时所做的那样——在一个迭代过程中修改潜在的解决方案，在这个例子中是红绿灯的协调。
随着“模型执行”次数的增加，蚁群算法开始超越遗传算法;正如作者所指出的，“这表明蚁群算法可以更好地处理更复杂的现实交通情况，这需要大量的模拟才能达到收敛。”(当然，蚁群优化在各种方式来自“现实世界”的交通;例如，驱动程序具有预先确定的目的地，而蚂蚁则没有，因此已经改变了改进，以尝试更好，井，人类）。“这表明，”作者继续说：“识别出相同的计算能力的更好解决方案，特别是当可以提供计算时间来搜索最佳解决方案时，并且该ACO可能是求解的良好替代方案非常复杂的网络。“
蚂蚁表现如此出色的一个原因是它们严格而非自私地遵守这些进化的行为算法。在一个迷人的实验研究人员将蚂蚁放在一个有两个出口的房间里。不同比例的香茅油(蚂蚁非常不喜欢)被添加到房间中(“所有的努力都是为了减少痛苦”)，科学家们跟踪了蚂蚁是如何离开房间的。为了进行比较，计算机模拟了人类是如何离开的(使用德克·海尔宾的行人行为“社会力量模型”)。正如研究人员所指出的，“社会力量模型的预测和蚂蚁的行为之间的差异是显著的。”在人类立即冲向并开始堵塞出口的地方，“蚂蚁分散在大部分区域”，利用更广阔的区域(除了最靠近进攻性香茅的区域)。在一种“慢即是快”的效应中，他们通过更仔细地提前安排自己，避免堵塞出口。
这种倾向为人类所追求“自私的路由”较大网络的策略长期以来一直在交通中注意到。作为英语数学家和运输研究员John Glen Wardrop首先是在着名的“衣橱里平衡”,最适合个人驾驶员（“用户均衡”）不一定是最适合整个流量的（“系统均衡”）。在一个波士顿地区的研究例如，麻省理工学院(Massachusetts Institute of Technology)的一个研究小组发现，只要从某个地理位置上指定的通勤起点取消1%的行程，就会减少出行所有司机的旅行18％。
无止境的合作和群居蚂蚁不会让这个更大的低效网络继续存在。一小部分通勤者对交通的巨大影响表明了我们交通网络的明显弱点:谁会去告诉1%的波士顿通勤者不要开车，或改变他们的路线，而其他人都照常行驶?
汤姆·范德比尔特的文章涉及设计、技术、科学和文化等领域。在推特上关注他@tomvanderbilt.。
最新和最受欢迎的文章投递到您的收件箱!
观察:理论计算机科学家斯科特·亚伦森(Scott Aaronson)在研究信息是否正在将目的论偷偷带回物理学。
这篇经典的事实如此浪漫的文章最初发表于2016年6月。
