现在网络的通信流量要求越来越大,流量大、速度快以及费用低的有效传数据输方式是网络通信数据处理的关键。随着军队信息化程度越来越高,对网络的容错性和信息传输速度要求也越来越高。对于平时周边环境的雷达预警侦查以及战时的战场作战控制,在语音和视频多媒体的传输问题上,对网络传输的延迟和吞吐量都有较高的要求。传统网络路由算法容易造成流量拥塞,网络负载分配不均衡,从而造成对服务质量的支持不足,易引发路由震荡,无法充分利用网络拓扑资源以及网络的故障恢复能力较差,为解决上述问题,提出了均衡路由和多路径路由的概念。多路径路由就是用几条代价满足服务要求的路径(包括最短路径)来代替一条最短路径,达到流量均衡,从而提高网络吞吐量。由于网络具有特有的随机性,以及真实物理网络的分布,使得蚁群优化算法(ACO)在网络路由问题上具有独特的优势,在拓扑和流量模式上十分匹配,故ACO算法在解决网络路由问题具有很好的冗余性和容错性。AntNet并不是唯一用来解决路由问题的蚁群算法,但是它是目前唯一的在测试与仿真水平上达到了一流计算性能的ACO算法。现有研究的多路径路由算法,具体可以概括为三种：一是选多条优质路径,使用其中最优路径；二是选多条优质路径并不断更新可行路径路由集,使用其中最优路径,故障立即更换路径；三是实现流量分割的多路径路由算法这是如今研究的重难。对算法参数值的设定大多从理论角度去定量,缺少某些有效规则的设定,然而这并不符合实际网络的情况。对于不同的网络拓扑或不同的服务需求,算法中参数值的大小设定也不同,而算法中的参数值直接影响着网路的实际性能。本课题就是基于蚁群优化算法进行多路径路由算法设计,采用蚁群信息素同构的路由表,数据多路径概率转发,同时利用蚂蚁寻路过程,主动测量网络延迟、队列长度、带宽、抖动、丢失率等QoS信息。利用反馈信息再动态调整满足不同需求的优化目标,修改信息素表和路由表,制定有效的规则机制来指导蚂蚁的后续迭代演化。特别是通过大量的仿真实验来设定具体参数值的大小,达到对算法性能的控制,进而达到充分利用网络拓扑,均衡各节点或链路的负载,尽力避免拥塞产生,提高网络吞吐量。