蚁群算法(Ant Colony SyStem，ACS)是根据蚂蚁群体觅食过程中会选择最短路径行进的生物学行为发展起来的一种群体智能优化方法。该算法是一种新型的分布式优化算法，它有较强的解搜索能力、很好的适应性和鲁棒性，但如果算法中各参数选择不当，算法的运行时间则会变长，或者算法陷于局部最优，达到停滞状态。恰当的参数选择，可以使蚁群算法有较好的性能，较快地收敛到全局较优解。本文以TSP问题为例，通过采用不同参数匹配进行优化的数值实验，分析了算法中参数α,β,ρ对算法性能的影响，给出了一定指导性的建议。 本文致力于以上问题的研究，主要研究内容包括以下几方面： (1)本文通过一系列研究，对大量文献进行比较，分析了目前各研究者对蚁群算法参数研究时所采用的方法，比较这些方法的优缺点。在此基础上，用自己的方法对算法中的参数进行了实验研究。 (2)目前对蚁群算法中参数的研究中，有的研究者只是对α,β,ρ组合的几个点的实验数据进行比较；有的研究者在研究时，每次只针对其中的一个参数，对各个参数逐个进行分析，得出每个参数在其它参数取定值时能够使算法有较优性能的取值范围。本文对参数的研究中，首先逐个分析每个参数在算法中所起的作用，然后把这三个参数两两组合，分别在各自的区间内以一定的步长逐渐变化，通过大量实验比较分析，得出了这些参数使算法有较优性能的取值区间。 (3)本文在参数的研究过程中，采用参数两两组合的方式，避免了对各个参数孤立地进行研究，体现了各参数之间的耦合性。 (4)本文不是对一些离散的点进行实验，而是在某个区间进行实验分析，可以得到参数在某区间内的较优取值范围。