In order to perceive the behavior presented by the multiphase chemical reactors, the ant colony optimization algorithm was combined with computational fluid dynamics (CFD) data. This intelligent algorithm creates a probabilistic technique for computing flow and it can predict various levels of three-dimensional bubble column reactor (BCR). This artificial ant algorithm is mimicking real ant behavior. This method can anticipate the flow characteristics in the reactor using almost 30 % of the whole data in the domain. Following discovering the suitable parameters, the method is used for predicting the points not being simulated with CFD, which represent mesh refinement of Ant colony method. In addition, it is possible to anticipate the bubble-column reactors in the absence of numerical results or training of exact values of evaluated data. The major benefits include reduced computational costs and time savings. The results show a great agreement between ant colony prediction and CFD outputs in different sections of the BCR. The combination of ant colony system and neural network framework can provide the smart structure to estimate biological and nature physics base phenomena. The ant colony optimization algorithm (ACO) framework based on ant behavior can solve all local mathematical answers throughout 3D bubble column reactor. The integration of all local answers can provide the overall solution in the reactor for different characteristics. This new overview of modelling can illustrate new sight into biological behavior in nature.

中文翻译：

---

基于人工信息素的生物蚂蚁通讯预测泡罩塔反应器的流动特性

为了感知多相化学反应器呈现的行为，将蚁群优化算法与计算流体动力学 (CFD) 数据相结合。这种智能算法创造了一种计算流量的概率技术，它可以预测三维鼓泡塔反应器 (BCR) 的各个级别。这种人工蚂蚁算法正在模仿真实的蚂蚁行为。该方法可以使用域中近 30% 的全部数据来预测反应器中的流动特性。在发现合适的参数后，该方法用于预测未被CFD模拟的点，这些点代表了蚁群方法的网格细化。此外，可以在没有数值结果或评估数据的精确值训练的情况下预测泡罩塔反应器。主要好处包括减少计算成本和节省时间。结果表明，在 BCR 的不同部分，蚁群预测和 CFD 输出之间有很大的一致性。蚁群系统和神经网络框架的结合可以提供智能结构来估计生物和自然物理基础现象。基于蚂蚁行为的蚁群优化算法 (ACO) 框架可以解决整个 3D 泡罩塔反应器的所有局部数学答案。所有本地答案的集成可以为反应堆中的不同特性提供整体解决方案。这种对建模的新概述可以说明对自然界生物行为的新看法。结果表明，在 BCR 的不同部分，蚁群预测和 CFD 输出之间有很大的一致性。蚁群系统和神经网络框架的结合可以提供智能结构来估计生物和自然物理基础现象。基于蚂蚁行为的蚁群优化算法 (ACO) 框架可以解决整个 3D 泡罩塔反应器的所有局部数学答案。所有本地答案的集成可以为反应堆中的不同特性提供整体解决方案。这种对建模的新概述可以说明对自然界生物行为的新看法。结果表明，在 BCR 的不同部分，蚁群预测和 CFD 输出之间有很大的一致性。蚁群系统和神经网络框架的结合可以提供智能结构来估计生物和自然物理基础现象。基于蚂蚁行为的蚁群优化算法 (ACO) 框架可以解决整个 3D 泡罩塔反应器的所有局部数学答案。所有本地答案的集成可以为反应堆中的不同特性提供整体解决方案。这种对建模的新概述可以说明对自然界生物行为的新看法。基于蚂蚁行为的蚁群优化算法 (ACO) 框架可以解决整个 3D 泡罩塔反应器的所有局部数学答案。所有本地答案的集成可以为反应堆中的不同特性提供整体解决方案。这种对建模的新概述可以说明对自然界生物行为的新看法。基于蚂蚁行为的蚁群优化算法 (ACO) 框架可以解决整个 3D 泡罩塔反应器的所有局部数学答案。所有本地答案的集成可以为反应堆中的不同特性提供整体解决方案。这种对建模的新概述可以说明对自然界生物行为的新看法。