论蚂蚁觅食与人类社会

我就说说我的思考，供大家一起交流。
工程项目是降雨后通过计算预测出能产生多少洪水。然后计算的结果需要与实测的结果进行比对，发现我的预测值比实测高好多，我需要调整参数。问题来了：众多参数我如何调整？答案：启发式搜索。启发式搜索的方法之一就是蚁群算法。
蚁群算法是在模拟蚂蚁的行为，算法是解决问题的策略机制，蚂蚁如何能寻觅到食物就是关乎蚂蚁生死的活命策略。接下来详细讲解一下策略过程。
想象一下，在一个夏末的清晨，太阳刚跳出东方地平线，和煦的阳光洒满了天际。一只蚂蚁探出了洞，舒展着它的触角，清洗手脚，沐浴阳光，享受着大自然的馈赠。突然！习习的微风出现了异样！好甜！他内心狂喜，有食物唉！接着他沿着风吹来的方向出发了，遵循着大自然的指引，追寻信息的源头，他也留下属于自己的信息，省的他自己也迷路呀。一路上道路崎岖坎坷，越过高山，越过平原，跨过奔腾的黄河长江；宽广美丽的大地，是我们亲爱的家乡。走过曲曲折折的原野，终于他找到了一大块糖！（那糖就是我放的，哈哈哈）他尝试拖动了一下，发现糖纹丝不动，他又开始在糖块上爬呀爬，他要记录糖块大小，回去调动他的兄弟们。终于测量完了，原路返回！回家后把小兄弟清点了一下，带了百余名跟班小弟浩浩荡荡的顺着他走过的路出发啦。
可是，这帮小弟也不断的在路上留下气味信息，气味信息越来越浓重，有小弟自认为发现了捷径就大胆的跟着自己的感觉走下去了，又有小弟认同那是一条捷径，能减少搬运大军的运输长度，亦跟着走下去了，同时留下了气味。不断有新捷径被发现，搬运路线不断被缩短，最终，兄弟们把糖一口一口的搬回了家。从此过上了幸福美好的生活。（哈哈哈哈，我又调皮了）
整个策略分为探路与优化两个阶段。探路是少数人的行为，具有极高的风险与回报；优化是多数人的选择，重复性劳动。（突然发现被囊括到了二元论的二里了唉，再基于二进行拓展，三生万物，不展开了）
蚁群算法是在模拟蚂蚁的行为，还有太多启发式搜索算法在向自然学习，此处不展开。
蚂蚁，那么小的身体，生物学家已经数清楚了他脑子里有多少神经细胞，根本不能进行人类这样的14亿脑细胞活动的思考，却找到了往家搬食物的优化方案，不得不说他们厉害，向蚂蚁致敬！
人类社会，更加复杂了，复杂到不清楚是为了活着而活着还是为了生活而活着。分不清是商业行为还是生存行为，分不清……我们的社会就是一个个这样的经过复杂化的生存行为构成的活动主体。
探路与优化，想好自己要做哪种人了吗？