移动自组织网是指由一组带有无线通信收发装置的移动节点组成的一个多跳、自组织、无中心网络。随着移动自组织网中节点的快速移动,网络的拓扑结构将会不断变化,因而传统的网络路由协议不能适用于移动自组织网的需要。必须采用合适的路由算法以解决移动自组织网中的路由问题。而人工智能算法是当前算法研究领域的一个热点,这种算法在实践中解决旅行商(TSP,Travelling Saleman Problem),网络问题,分配等复杂问题方面展现了很大的优势。蚁群算法是人工智能算法的一种,它的特点特别适用于解决移动自组织网的路由问题,蚁群算法使用本地信息建立路由,不需要在节点之间传递信息,而且建立的是由源节点到目的节点的多路径路由,因此论文结合蚁群算法来对移动自组织网路由协议进行改进研究。论文主要在ARA[42](Ant colony based RoutingAlgorithin)算法的基础上通过设定信息素值的上限、使用信息素奖惩措施、噪声选路规则以及准入规则,对ARA算法路由发现搜索时间、信息素过度集中造成的搜索会产生的停滞问题进行改进,并且提出了QCSA—ACO(Quick Convergence StagnationAvoidance-Ant Colony Optimization)算法。论文工作主要包括以下内容:　　 1)介绍了无线移动自组织网的发展、特点、应用,以及当前的研究现状,并着重对当前的一些无线移动自组织网路由协议进行研究,对其特点进行分析。　　 2)对蚁群算法从蚁群算法的仿生学原理、算法的数学模型、特点进行介绍,并对蚁群算法在移动自组织网中的应用情况进行研究,特别是对ARA算法进行细致研究。　　 3)对ARA算法在加快算法的收敛速度和避免信息素过度集中造成的搜索停滞两方面进行改进,对算法通过使用信息素奖惩、噪声选路以及准入规则对算法进行改进,并提出了QCSA-ACO算法。　　 4)对QCSA—ACO进行分析并且使用OPNET软件对QCSA-ACO算法进行仿真实验,验证算法性能,并将QCSA-ACO和ARA进行对比,结果显示,QCSA-ACO算法优于ARA算法。　　 最后,对论文提出的算法进行总结,并提出了它的优点和以后要改进和完善的地方。