蚁群算法是一种求解复杂组合优化问题的启发式算法,其自提出以来,便在求解组合优化问题上显示出了强大的优势。作为一种全局搜索的方法,蚁群算法具有分布性、正反馈性、鲁棒性、以及善于与多种启发式算法结合以改善算法性能等优点。虽然传统的蚁群算法具有很强的全局寻优解的能力,但也存在搜索时间过长,在执行过程中容易出现停滞现象、当问题规模较大时存在陷入局部最优的可能性等缺陷。针对以上缺陷,本文引入了免疫算法,因为免疫算法具有快速性,随机性,全局收敛性等优点,因此,利用免疫算法的优点来弥补蚁群算法存在的缺陷,从而对传统的蚁群算法进行了改进。本文首先给出了三种基于免疫机制的蚁群算法。基于边浓度抑制的免疫蚁群算法,算法前期采用免疫算法来产生蚁群算法的初始信息分布。算法后期根据边浓度抑制机制调整路径上的信息量,从而保持了蚁群多样性;基于接种疫苗的免疫蚁群算法,算法通过提取疫苗,接种疫苗提高了解的质量,同时结合最大最小蚁群算法进行信息素更新。防止算法出现早熟、停滞的现象;引入知识的免疫蚁群算法,算法前期采用免疫算法生成初始信息分布,算法后期引入知识为:判断路径上是否存在交叉,如果存在交叉则消除交叉路线,并将结果保留。随后自适应地调整路径上信息素值。从而提高了解的质量。同时提高了算法的全局搜索能力,以及搜索速度。随后本文将以上三种改进算法应用于TSP问题中,通过仿真实验证明了本文采用的改进算法较基本蚁群算法和其它蚁群优化算法的收敛速度快,寻优效率高。最后,我们将基于边浓度抑制的免疫蚁群算法应用于典型的给水管网的组合优化问题,通过该实例进一步证明,基于免疫机制的蚁群算法比其它传统算法具有更好的解决给水管网优化问题的能力。从而验证了本文改进算法的有效性。