信息素、蒸发、法定数 — 一群近乎失明的个体怎么做出集体决定
蚁后不下命令，她的工作是产卵。单只蚂蚁近乎失明，记不住全局，也不知道巢里有几万个同伴。可蚁群能找到食物与巢之间的最短路径，能让干活的蚂蚁数量随需求增减，能在必须搬家时对"搬去哪儿"达成一致。
问题因此变得很尖锐：决定是在哪儿做出的？如果每一只都不知道全局，那个看起来像"选择"的东西，究竟由什么完成。
觅食这一支只要三条：
搬家那一支另有一条独立的规则，叫法定数（quorum）：侦察蚁在某个候选巢址遇到的同伴数量超过一个阈值，它就从"继续评估"切换到"开始搬运"。
请注意这几条规则里没有什么：没有比较、没有投票、没有汇总、没有谁把两条路的长度放在一起看。
经典的双桥实验（Deneubourg 与 Goss 等人，1989–1990）：在巢和食物之间架两条路，一长一短。
最初蚂蚁随机分成两拨。走短路的那拨往返一趟更快，单位时间铺下的信息素更多，于是短路的浓度上升得更快，后来的蚂蚁更可能选它——这条正反馈把差距越拉越大。几十分钟后，绝大多数蚂蚁走短路。没有任何一只蚂蚁比较过两条路。比较是由"往返更快 ⇒ 沉积更快"这个物理事实替它们做的。
把实验改一下就能看到代价：先只开长路，等蚁群把它锁定，再打开短路。结果蚁群往往不切换——长路上的浓度已经太高，新路上那点稀薄痕迹竞争不过。这不是模型的毛病，是这类机制的固有代价：正反馈买来了收敛，卖掉的是回头的能力。
救回来一部分的是第 3 条。蒸发率就是那个旋钮：蒸发快，群体对环境变化反应灵敏，但容易在几条路之间摇摆、效率低；蒸发慢，收敛干净漂亮，但改不了主意。这两端都不是"更好"，它们是同一个权衡的两头。
工程上，这套机制被直接搬走了：蚁群优化算法（Ant Colony Optimization，缩写 ACO；Marco Dorigo 1992 年的博士论文）用人工信息素加人工蒸发去解路由、调度、旅行商这类组合优化问题。它的长处不是解得最好，而是在问题边跑边变时不需要重来。
集体决策上，Temnothorax 属的蚂蚁靠法定数完成搬家选择。有意思的是这个阈值是可调的：Franks 等人 2003 年的实验显示，当旧巢已经被毁、必须马上搬走时，蚁群会降低法定数——用准确度换速度。这把"快与准的权衡"从一句口号变成了一个能被实验操纵的参数。
分工上，响应阈值模型（response threshold）给出一个同样朴素的解释：每只蚂蚁对某类刺激（幼虫饿了、巢壁破了）有自己的阈值，刺激积到超过它的阈值就去干活。干活的蚂蚁多了，刺激下降，阈值高的那些就不动。没有调度器，工蚁数量却能随需求增减。