随着全球经济一体化进程的加快，世界各个国家和地区之间国际贸易量迅速攀高，由此带动了国际集装箱运输业务的快速兴起和全面发展，引发了世界集装箱船队总体运力的成倍增长和运输航线的的快速增加，航运运输成本费用也随之翻番。在当前区域经济间竞争与合作并存的情况下，建立开放、合理、优化的综合运输网络已成为各国港口及航运业发展的共识和趋势。 本论文着力针对全球区域经济间港口集装箱运输网络系统的最小费用流问题，研究运用现代优化方法来合理配置集装箱的跨洋运输。考虑到该问题的离散性及其非线性特点，用传统线性方法求解将十分困难，因此引入了新兴的人工智能仿生蚁群优化算法，力求通过蚁群在搜索食物源的过程中所体现出来的寻优能力来解决集装箱海上运输网络系统的非线性NP-C问题。 本研究首先从大型集装箱船舶运输的规模经济性角度出发，通过分析集装箱船舶运营过程中的成本构成，研究构建港口集装箱运输网络系统综合成本优化的数学模型；其次，按照集装箱运输网络优化的求解思路对蚁群优化算法进行适用性改进，并运用蚁群算法对模型进行定性的优化求解；结合图论算法理论，证明了改进后的蚁群算法优化模型可以在可接受的时间内以较大的概率收敛到全局最优解；最后，按区域经济划分选取各个地区有代表性的港口作为网络运输的节点，构建集装箱运输网络，分析预测未来各个港口节点的集装箱生成量并在此基础上进行定量的程序计算。计算结果表明，本研究所提出的蚁群优化模型可以使网络综合费用和运力配置在可接受时间内达到最优状态，运输模式结构化清晰，集装箱径流合理，本论文的结果为下一步合理的进行集装箱运输网络具体航线与船型的配置提供了参考依据。 本研究将人工智能与交通运输相结合，促进交叉学科的研究及应用，不仅更为有效地解决了本论文提出的问题，也推动了工程规划人员对于软科学的重视和积极应用。这一努力必然在更为广阔的领域中带来更加丰硕的成果。