Il existe d'innombrables algorithmes informatiques qui simulent le comportement biologique de grenouilles bondissantes, à la chauve-souris en quête de nourriture, de la recherche de coucous à l'optimisation des colonies de fourmis. Ils ont tous quelque chose en commun, l'algorithme se comporte comme une intelligence collective, prenant l'appel et la réponse d'un banc de poissons ou d'un murmure d'étourneaux, et tous ces autres modèles dans la nature. Écrivant dans l'International Journal of Swarm Intelligence, une équipe indienne discute de l'état de l'art dans un algorithme unique basé sur un système biologique :le singe araignée.

Les singes araignées ont une structure sociale de "fusion-fission" où un grand groupe social se divisera en plus petites hordes ou vice versa en fonction de l'accessibilité et de la disponibilité de la nourriture. Janmenjoy Nayak de l'Institut de technologie et de gestion Aditya dans l'Andhra Pradesh, Inde, et ses collègues ont examiné l'algorithme d'optimisation du singe araignée, qui intègre ce comportement pour lui permettre de résoudre des problèmes autrement insolubles. Les algorithmes SMO sont, les rapports de l'équipe, particulièrement utile pour résoudre les problèmes d'ingénierie électrique et électronique, réseau de capteurs sans fil, la reconnaissance de formes, système électrique et réseaux, et les problèmes d'exploration de données.

Leur étude de l'état de l'art du SMO et de ses variantes et de la manière dont il peut traiter avec succès des problèmes difficiles d'optimisation du monde authentique devrait servir à inspirer les praticiens et les chercheurs à innover encore plus dans ce domaine. De plus, le succès du SMO laisse entrevoir le potentiel de comportements différents chez d'autres espèces telles que le singe écureuil, singe vervet, et le singe proboscis, cela pourrait également être simulé à bon escient.