蚁群算法是一类用于求解复杂优化问题的随机优化算法。1991年由意大利学者M. Dorigo首次提出,用来求解旅行商问题。从蚁群算法提出至今近20年的历程里,蚁群算法成功地求解了许多NP完全的组合优化问题,例如旅行商问题、二次分配问题、Job-shop |问题、车辆路径问题和图着色问题等。由于蚁群算法具有良好的性能,因此受到研究者们的广泛关注,蚁群算法还在网络路由、函数优化、数据挖掘、机器人路径规划等方面得到成功的应用。本文对改进蚁群算法及应用问题进行了研究,主要研究成果如下：(1)针对基本蚁群算法的搜索时间长、容易陷入局部极小值的缺陷,提出了一种新型混合蚁群算法——NHACO(Novel Hybrid Ant Colony Optimization).该算法采用改进信息素的初始分布方式,引入遗传算法中的交叉算子和变异算子来防止算法陷入局部极小值而出现的停滞现象。将NHACO算法用于求解TSP问题,取得了满意的效果。通过仿真实验研究了算法参数对算法性能的影响。(2)提出了一种求解连续空间优化问题的蚁群算法——ICACO(Improved Continuous Ant Colony Optimization).通过9个测试函数验证了所提出的算法的有效性,并与其它算法的结果进行了对比,表明ICACO算法具有求解精度和效率高的优点。(3)将ICACO算法用于连续搅拌反应釜中的软测量建模,用ICACO算法来优化RBF神经网络的隐层节点数和基函数中心点,’目标函数的设置既考虑了网络的逼近能力,又考虑了网络结构的复杂度。仿真实验结果表明ICACO算法优化后的RBF神经网络具有良好的逼近性能。