蚁群算法在组合优化领域已得到广泛的应用，但对于求解饲料配方问题的研究则很少。本文通过对蚁群算法基本理论的研究，从经典的蚁群算法模型中，抽象出解决问题的一般方法，提出了在连续空间优化问题中蚁群算法的模型，在算法中加入了自适应策略用以提高算法的性能，并通过实例分析了连续空间优化问题中蚁群算法的性能，最终实现蚁群算法在饲料配方中的应用。实验结果表明，该算法在求解饲料配方问题上具有更强的求解能力。主要内容如下：　　综述了配合饲料的相关概念以及饲料配合的意义，分析了国内外饲料配方的研究现状，最后介绍了元启发式算法在饲料配方中的应用进展。　　介绍了蚁群算法基本模型AS(Ant System)的原理、特点、构成和实现方法，对基本蚁群算法参数的合理选取进行了实验分析，对蚁群算法的性能进行了深入的讨论。　　分析了饲料配方问题现有的求解策略，在常规蚁群系统基础上，提出了两种用于求解连续空间优化问题的蚁群算法模型:在第一种模型中给出了蚂蚁在连续空间寻优时的多种具体移动策略（自适应移动策略），并且在算法的运行期可以动态的改变算法的参数来调节全局随机搜索的力度和探索新路径的能力，以防止连续空间寻优时局部最优的出现;第二种模型是完全参照蚁群算法求解TSP问题的过程而设计的，最大的特点是在构造分量时利用了启发式信息，同求解TSP问题时蚂蚁在构造路径的过程中每走一步都要参考启发式信息完全一致;通过仿真实验证明两种模型在处理连续空间问题上优化效果良好。　　将连续空间蚁群优化算法应用到饲料配方问题中，给出了饲料配方的数学模型，通过配比结果说明了算法的有效性和实用性，并分析了算法的收敛情况。