随着钢铁企业烧结工艺对于混匀矿质量要求不断提高,以前的人工估计计算已经不能满足要求,如何将成分波动控制在最小范围,同时降低总体原料成本这一问题已经提出。目前已经存在一些优化算法来解决该类问题,但很多算法都存在各自的局限性,而新型的仿生算法——蚁群算法,具有正反馈性、鲁棒性、并行计算、协同性等特点,非常适合于解决混匀矿配比计算问题,并顺应混匀矿配比计算算法向智能化、仿生化发展的趋势。本文针对蚁群算法早熟停滞、收敛速度慢等不足,提出了针对混匀矿配比计算问题的改进策略,主要有以下几个方面:1.由于蚁群算法在选路时,计算量比较大,因此建立了候选城市表,并在蚁群算法的状态转移规则中加入了节约量启发信息,减少了选路的计算量,提高了算法的运算效率。2.针对ACS和MMAS算法信息素更新策略的不足,提出了三层信息素更新算法,并引入了2-opt局部搜索策略,使蚂蚁避免过早地陷入局部最优。3.为了更好地引导蚂蚁,提出了自适应参数调整策略;并与遗传算法融合,构造了求解混匀矿配比计算问题的改进蚁群算法;由仿真结果显示,改进蚁群算法能够更快速地搜索到更优解,能够有效地解决VRP问题。4.基于C++语言开发平台,设计了混匀矿配比计算软件,能有效地帮助控制员优化混匀矿配比计算问题,满足工艺要求,提高钢铁企业的工作效率,同时降低了企业的成本,对钢铁企业的原料混匀控制系统发展具有一定的理论意义与应用价值。