社会性动物的群体活动往往能产生惊人的自组织行为,如个体行为显得盲目的蚂蚁在组成蚁群后能够发现从蚁巢到食物源的最短路径。受其启发,意大利学者M.Dorigo等人在1991年通过模拟蚁群觅食行为提出了一种基于种群的模拟进化算法——蚁群算法。该算法的提出引起了学者们的极大关注,在过去短短十多年的时间里,已在组合优化、网络路由、函数优化、数据挖掘、机器人路径规划等领域获得了广泛的应用,并取得了较好的效果。本文围绕蚁群算法的改进及其在TSP中的应用,就如何加快算法的收敛速度、抑制算法的停滞现象以及在TSP中的应用进行了深入的研究。文章的主要研究成果如下:1)提出了动态调整路径选择的蚁群优化算法。利用对比度增强的路径选择规则以加强其全局搜索能力,选择规则加强了对反馈信息的利用;同时通过信息熵来动态的控制对比度增强的方向,避免算法停滞的同时加快了算法的收敛速度;2)提出了带免疫变异的蚁群优化算法。该算法结合免疫算法和蚁群优化算法的优点,在搜索解的过程中对概率选择规则也采用了对比度增强技术,并融入选择算子进行搜索,根据先验知识提出了免疫变异策略,提高了算法的全局性能。仿真结果表明,改进算法具有很好的稳定性和全局优化性能,有效的防止停滞现象,并加快了算法的收敛速度。最后,对全文的研究工作进行了总结,并展望了蚁群优化进一步还要研究的课题。