Les métaheuristiques constituent une famille d'algorithmes inspirés de la nature. Ces algorithmes sont particulièrement utiles pour résoudre des problèmes où les algorithmes d'optimisation classiques sont incapables de produire des résultats satisfaisants. Parmi ces méthodes, les algorithmes de colonies de fourmis constituent une classe de métaheuristiques proposée pour l'optimisation difficile. Ces algorithmes s'inspirent des comportements des fourmis observés dans la nature ; notamment l'utilisation de la communication indirecte (à travers l'environnement), les traces de phéromone que les fourmis laissent sur leur passage, et la construction itérative d'une solution globale qui se base sur une sorte d'intelligence collective. Les algorithmes de colonies de fourmis représentent une grande flexibilité aux changements de l'environnement, ce qui les rend aptes à l'optimisation des fonctions changeantes et plus particulièrement à l'optimisation continue dynamique.