通常使用标准蚁群优化（ACO）算法来解决各种困难的组合优化问题。 然而，在本文中，将通用ACO的思想扩展到了递归参数估计的范围，即，首先提出并研究了蚁群估计器来跟踪感兴趣的目标。 在提出的蚁群估计器框架中，继承了粒子过滤器（PF）和蚁群优化（ACO）的一些基本属性，并且由具有概率决策的蚂蚁确定“最适变量”。 此外，信息素更新策略也得到了很好的定义，以引导更多的蚂蚁找到更好的解决方案。 最后，研究了原始蚂蚁估计量的两个改进版本，并将其应用于一些基准目标跟踪问题。 数值实验表明，这些拟议的蚁群估计器