在《皇家学会接口杂志》上发表的一篇论文中，布里斯托尔的一个研究小组观察了蚂蚁的探索行为，从而为开发更有效的数学采样技术提供了信息。

像蚂蚁这样的动物都面临着探索其环境以寻找食物和潜在居住地的挑战。如果有大量的个体，如蚁群，如果蚂蚁反复探索相同的空旷区域，将会浪费大量的时间。

布里斯托大学工程与生命科学学院的跨学科团队预测，被研究物种“岩石蚂蚁”使用某种形式的化学通讯来避免多次探索相同的空间。

主要作者埃德蒙·亨特(Edmund Hunt)博士说：“这将扭转汉瑟尔和格雷特尔的故事，与其相互追踪，不如为了共同探索而避开它们。

“为验证这一理论，我们进行了一项实验，让蚂蚁一个一个地探索一个空旷的竞技场。在第一种情况下，我们清理了每个蚂蚁之间的竞技场，以使它们不会留下任何痕迹。在第二种情况下，我们没有在蚂蚁之间进行清洁。处于第二种条件(不进行清洁)的蚂蚁可以更好地探索竞技场-它们覆盖了更多空间。”

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可能性：例如，蚂蚁在某个地方找到食物的机会。在许多科学和工程问题中，这些分布非常复杂，并且没有清晰的数学描述。相反，必须从中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)部分中进行过多采样。

该团队希望了解采用蚂蚁启发的方法是否可以加快采样过程。

“我们预测，通过在已经采样的地方留下“负迹”，可以模拟蚂蚁在数学采样问题中采用的方法。我们发现，以蚂蚁为灵感的采样方法比(更快速)高效一种不会遗忘已经采样过的地方的标准方法，”亨特博士说。

这些发现有助于蚂蚁面临的探索问题和获取信息的数学采样问题之间的有趣的相似之处。这种相似之处可以为我们对蚂蚁进化为做什么的基础理解：更有效地获取信息。

“我们的蚂蚁启发式采样方法可能在许多领域(例如计算生物学)中有用，可以加快对复杂问题的分析。通过以信息形式描述蚂蚁的集体行为，它还可以让我们量化不同方面的帮助程度他们的行为对他们的成功的影响。例如，如果不清除其信息素，他们的表现会更好。这可以让我们做出预测，自然选择最有可能支持哪种行为机制。”