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寻找食物和潜在栖息地的挑战。如果有大量的个体，比如蚁群，如果蚂蚁反复探索同一个开放空间，就会浪费大量的时间。

每年在皇家学会，跨学科团队都会发表布里斯托大学学院的工程学和生命科学论文，描述他们如何预测要研究的物种——“岩蚁”——使用某种形式的化学交流来避免在同一时间间隔进行多次探索。

主要作者埃德蒙亨特博士说：

“这将与hansel和Gleiter的故事相反——他们不会跟随对方的足迹，而是会避开他们进行集体探索。

“为了检验这个理论，我们进行了一个实验，让蚂蚁一个个探索一个个空旷的竞技场。在第一种情况下，我们清理了每只蚂蚁之间的竞技场，以免它们留下任何痕迹。第二种情况，我们没有清理蚂蚁。第二种情况(不清洁)的蚂蚁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每个结果的概率：例如，一只蚂蚁在某个地方找到食物的概率。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，必须对其进行采样以获得良好的近似值：希望避免从分布的不重要(低概率)部分进行过度采样。

该团队想知道采用蚂蚁启发的方法是否能加快采样过程。

“我们预测，通过在采样位置留下“负迹”，我们可以模拟蚂蚁在数学采样问题中采用的方法。我们发现，受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。

这些发现促成了蚂蚁面临的探索问题和获取信息的数学抽样问题之间有趣的相似之处。这种相似性可以让我们对蚂蚁的进化有一个基本的了解：更有效地获取信息。

“我们针对蚂蚁的启发式采样方法可能在许多领域(如计算生物学)非常有用，这可以加快复杂问题的分析速度。通过用信息丰富的术语描述蚂蚁的集体行为，它还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。”