---

name: forage-resources locale: wenyan-ultra source_locale: en source_commit: 82c77053 fence_basis_commit: 82c77053 translator: "Julius Brussee homage — caveman" translation_date: "2026-04-24" description: > Apply ant colony optimization and foraging theory to resource search, exploration-exploitation tradeoffs, and distributed discovery. Covers scout deployment, trail reinforcement, diminishing returns detection, and adaptive foraging strategy selection. Use when searching a large solution space where brute-force enumeration is impractical, balancing investment between exploring new approaches and deepening known good ones, optimizing resource allocation across uncertain opportunities, or diagnosing premature convergence on local optima. license: MIT allowed-tools: Read metadata: author: Philipp Thoss version: "1.0" domain: swarm complexity: intermediate language: natural tags: swarm, foraging, ant-colony-optimization, exploration-exploitation

採資

施蟻群優化與採食論於資尋、探用衡、散發現——衡探未知與用已知之益。

用

• 尋大解空而窮舉不實
• 衡投於探新與深已知
• 優不確機間之資配
• 設散隊或自動 agent 之尋策
• 察早收（困局最優）或永遊（不委）
• 補 coordinate-swarm 以特資發模

入

• 必：所求資述（信、算、才、解、機）
• 必：尋空述（大、構、已知徵）
• 可：現尋策與其敗模
• 可：可用偵/尋者數
• 可：探費對用敗費
• 可：時域（短期用對長期探）

行

一：映採境

表資環以擇適採策。

1. 識資類與其分：
   • 聚：資聚於富斑（如特社群之才）
   • 散：資均散（如碼中之蟲）
   • 短：資現而逝（如市機）
   • 嵌：富斑含異尺之子斑
2. 估信境：
   • 採前知資位幾？
   • 偵可與採者共信否？（信設見 coordinate-swarm）
   • 採時境靜或變？
3. 定費構：
   • 每偵布費（時、算、金）
   • 用低質資費（機費）
   • 漏高質資費（悔）

得：已表採境含資分類、信可用、費構。此定施何採模。

敗：境全不知→自全探始（諸偵，無用），限時預以建初圖。境性明則換適模。

二：布偵並標跡

遣探 agent 入尋空並令其標所得。

1. 配偵比（始以可 agent 之 20-30% 為偵）
2. 定偵行：
   • 以隨或系模於尋空動
   • 各位速估（非深析）
   • 以信強與質比標所得：
     • 高質→強跡
     • 中→中
     • 低→弱或無
   • 返信於集體（信存、報、廣播）
3. 設偵模：
   • Random walk：未知均境宜
   • Levy flight：長跳偶局聚——斑資宜
   • Systematic sweep：網或螺——界明空宜
   • Biased random：近前得域——聚資宜

得：偵已布於尋空並依資質存跡信。自偵報現境初圖。

敗：偵於初掃無所得→偵比過低（增至 50%）、尋模誤（自 random walk 換 Levy flight 以斑資）、或質估誤校（降察門）。

三：立跡強

造正饋環放大功途並令不功者衰。

1. 採者循跡得良資：
   • 強跡信（增力）
   • 強信招更多採→更強→用
2. 採者循跡無所得：
   • 勿強（任其自衰）
   • 弱信招少→跡衰→探復
3. 設強參：
   • 存量：比所得資質
   • 衰率：跡每時單失 X% 力
   • 飽頂：跡最力（避單途失控用）

Trail Reinforcement Dynamics:
┌─────────────────────────────────────────────────────────────────────┐
│                                                                     │
│  Strong trail ──→ More foragers ──→ If good: reinforce ──→ EXPLOIT │
│       ↑                                                      │      │
│       │                              If bad: no reinforce    │      │
│       │                                     │                │      │
│       │                                     ↓                │      │
│  Decay ←── Weak trail ←── Fewer foragers ←── Trail fades    │      │
│       │                                                      │      │
│       ↓                                                      │      │
│  No trail ──→ Scouts explore ──→ New discovery ──→ New trail ↗      │
│                                                                     │
└─────────────────────────────────────────────────────────────────────┘

得：自調之正饋環，良資招增注而劣者自棄。系僅以跡動衡用探。

敗：諸採聚於單跡（早收）→衰率過慢或飽頂過高。增衰、降頂、或入隨探令（如 10% 採者恒忽跡）。跡衰過速而無用→減衰率。

四：察遞減益

監資產以知何時自用返探。

1. 各活採地追每力之產：
   • 產增→健用，續
   • 產平→近飽，始偵替
   • 產減→遞減益，減採、增偵
2. 施邊際值論：
   • 較現地產率於諸知地平產率
   • 現地降於平→離時至
   • 計遷費（切新地之費）
3. 觸偵波於：
   • 諸地總產降於門
   • 最佳地用逾其期壽
   • 察環變（自未探域偵之新信）

得：採群自用階（聚於已知良地）與探階（偵散）間移，以產監驅非任意表。

敗：群於竭地留過久→邊際值門設過低或遷費估過高。以實產率較重校。群過早棄良地→門過敏——加產量之滑窗。

五：依境適採策

依境反饋擇並換採策。

1. 匹策於境：
   • 富、聚：重投已發斑（高用）
   • 稀、散：守高偵比（高探）
   • 變、動：短跡衰、頻偵波（適）
   • 競：速強、先標跡（領）
2. 監策-境錯：
   • 高力低產→策對境過用
   • 高發率低跟→策過探
   • 產震→策換過激
3. 施適切：
   • 追探-用比之滾均
   • 比離佳（依境類定）過遠→推回
   • 漸轉——急切致協亂

得：採系適現境之探-用衡，境變而守效。

敗：策適本身不穩（震於探用間）→加阻尼：錯信須持 N 時單始觸切。無策合→重估一步境類——資分或較初設更繁。

驗

• 採境已表（分類、信可用、費構）
• 偵比與尋模已定並布
• 跡強環運含存、衰、飽參
• 遞減益察觸自用至探之再衡
• 策-境匹監並適切設
• 系於境變（新資、竭資）復

忌

• 早收：諸採堆於首得，忽或佳選。治：必探比、跡飽頂、衰
• 永探：偵續得新選而群不委。治：降跡強之質門、減偵比
• 忽遷費：切地有費。恒跳似質地之採於遷上失多於得。入邊際值算
• 動境靜策：為昨境優之策於明敗。建適於採環，非後思
• 混偵於採質：良偵（廣速估）與良採（深全用）求異技。勿強諸 agent 為兩角

參

• coordinate-swarm — 撐採信設之基協模
• build-consensus — 群須共議何斑先用時
• scale-colony — 資境或群大長時採運擴
• assess-form — 估系現態之 morphic 技，與境估互補
• configure-alerting-rules — 適遞減益察之警模
• plan-capacity — 容謀共採之探-用框
• forage-solutions — AI 自用變；映蟻採於單 agent 解探含偵假與跡強