蚁群算法( ant colony algorithm) 是由意大利学者 Dorigo 等人[1 ,2 ] 于20 世纪90 年代初期通过模拟自然界 中蚂蚁集体寻径的行为而提出的一种基于种群的启发 式仿生进化系统。蚁群算法包含两个基本阶段:适应阶 段和协作阶段。在适应阶段,各候选解根据积累的信息 不断调整自身结构。在协作阶段,候选解之间通过信息 交流,以期望产生性能更好的解,这类似于学习自动机 的学习机制。蚁群算法最早成功应用于解决著名的旅 行商问

鲁棒性较强的相位解缠算法，来自老外的一篇文章，算法速度较快，已经用实测数据进行了验证-a realization of a phase unwrapping algorithm

蚁群算法(Ant Colony Optimization,ACO)是一种新颖的组合优化算法,它具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法相结合等优点.包括改进的蚁群算法求解最优路径MATLAB源码，运行环境R2014b-Ant colony algorithm (Ant Colony Optimization, ACO) is a novel combinatorial optimization algorithm that is robust, excellent distribu