蚁群优化是一种用于求解复杂组合优化问题的启发式方法。它由意大利学者Dorigo于1991年首次提出,并最初被用于求解旅行商问题。在从1991年至今近十五年的时间里,蚁群优化被成功地用于求解一系列NP完全的组合优化问题,如:旅行商问题、二次分配问题、车辆寻路问题和图着色问题等等。由于蚁群优化性能优异,其至今仍然是人们研究的热点。 本文首先介绍了蚁群优化及其发展过程;对几种常见的蚁群优化算法进行了比较深入、系统的分析和研究,并采用国际上通用的测试问题库TSPLIB中的几种对称TSP问题和非对称TSP问题作为测试对象,对该几种算法进行了性能比较;分析并总结了各蚁群优化算法中普遍存在的两个缺陷,即算法容易停滞和算法收敛速度较慢;为后续的研究工作提供了理论和实验基础。 为了弥补蚁群优化算法中存在的相互制约的两个缺陷,本文分析了现有降低算法停滞性的方法,然后针对其中多蚁群优化方面,基于现有算法提出了一个基于分布均匀度的多蚁群优化算法。新算法引入了各蚁群蚂蚁分布聚度的概念,并基于该概念提出了动态调整蚁群间信息素相互影响程度的方法,由此简化了原有多蚁群算法参数的设置,并且在降低停滞性和提高算法收敛速度两方面取得了较好的平衡。仿真实验结果表明新算法的求解性能较优。 为了进一步证明蚁群优化算法的实用性和有效性,本文针对蚁群优化算法的特点,将其应用于网络流量测量中的有效测量点选择以及无线传感器网络中的路由研究。对于测量点选择问题,本文研究了有效测量点选择的弱顶点覆盖模型,将该问题转换为相应的组合优化问题,提出了一种基于蚁群优化的求解算法,并通过仿真实验将新算法同以往算法进行了性能比较。实验结果表明,新算法的求解质量较高。对于无线传感器网络中的路由问题,本文在研究传感器网络一般模型的基础上,针对传感器网络中节点能量有限、传输数据存在冗余,可以通过数据汇集减少传输次数降低能量开销等特点,利用蚁群算法固有的正反馈特性,提出了一种基于蚂蚁算法的数据汇集路由算法,并对其进行了仿真实验。实验结果表明,新算法具有较好的寻路性能,能够较好地实现数据汇集。