对于二元蚁群算法，它的信息素更新策略，和tsp蚂蚁是有区别的——编程的时候就体现出来了。

最常用的：“轮盘法”，究竟如何描述的？

其次，在知道信息素的情况下，如何用“轮盘法”进行解的选择：0还是1，下一个城市究竟是0~144中的哪一个？

在书上的程序中，采用的选择方法在实验中效果不怎么好；从网上借鉴的一个程序，效果反倒不错。

对于tsp问题，首先计算每个城市的入选概率，由于并不是每个城市都是可选的（走过的城市，不能再遍历），所以，每次选择，都需要计算；然后，随机一个[0, 概率之和] 之间的数值，从第一个城市开始比较：找到第一个大于这个概率的数值，就选中这个城市。代码如下：

1. int ant::ChooseNextCity()
2. {
3.  //Update the probability of path selection
4.  //select a path from tabu[m_iCityCount-1] to next
5.     
6.     
7.     int i;
8.     int j=10000;
9.     double temp=0;
10.     int curCity=tabu[m_iCityCount-1];
11.     for (i=0;i<iCityCount;i++)
12.     {
13.         if((AllowedCity[i]==1)) 
14.         {
15.             temp+=pow((1.0/Map.distance[curCity][i]),beta)*pow((Map.m_dTrial[curCity][i]),alpha);
16.         }
17.     }
18.     double sel=0;
19.     for (i=0;i<iCityCount;i++)
20.     {   
21.         if((AllowedCity[i]==1))
22.         {
23.             prob[i]=pow((1.0/Map.distance[curCity][i]),beta)*pow((Map.m_dTrial[curCity][i]),alpha)/temp;
24.             sel+=prob[i];
25.         }
26.         else 
27.             prob[i]=0;
28.     }
29.     double mRate=rnd(0,sel);
30.     double mSelect=0;
31.     
32.     for ( i=0;i<iCityCount;i++)
33.     {
34.         if((AllowedCity[i]==1))
35.             mSelect+=prob[i] ;
36.         if (mSelect>=mRate) {j=i;break;}
37.     }
38.     
39.     if (j==10000)
40.     {
41.         temp=-1;
42.         for (i=0;i<iCityCount;i++)
43.         {
44.             if((AllowedCity[i]==1))
45.                 if (temp /* */)
46.                 {
47.                     temp=pow((1.0/Map.distance[curCity][i]),beta)*pow((Map.m_dTrial[curCity][i]),alpha);
48.                     j=i;
49.                 }
50.         }
51.     }
52.     
53.     return j;
54.     
55. }

返回城市编号。