组合优化问题是优化领域中的重要分支。组合优化问题有很强的工程背景,例如任务分配问题和Job-Shop 问题。虽然求解组合优化问题的方法层出不穷,但这些方法都有各自的缺点和局限性,目前还不能满足实际应用的需要。蚂蚁算法作为一种新近出现的启发式算法,它具有正反馈、分布式计算和具有贪婪的启发式等特点。蚂蚁算法已经成功地应用于求解货郎担问题TSP(traveling salesman problem),引起了广泛的关注。但是由于蚂蚁算法出现的时间很短,它的应用研究还处于初步阶段,在许多组合优化问题上蚂蚁算法的研究还处于空白,例如任务分配问题和Job-Shop 问题。本文将蚂蚁算法应用于求解任务分配问题和Job-Shop 问题,并且针对求解过程中出现的问题,提出了改进的蚂蚁算法,并且通过大量的仿真试验加以验证,取得了很好的结果。在第一章中,主要介绍了最优化技术的基本理论和发展历史、启发式算法的定义和设计方法以及本文的创新点。在本文的第二章中,主要介绍了组合优化的概述和常用的求解方法。在第三章中,主要介绍了蚂蚁算法,包括:蚂蚁算法的仿生原型、蚂蚁系统、改进的蚂蚁算法以及目前国内外的研究现状。在第四章中,将蚂蚁算法应用于求解任务分配问题。针对蚂蚁算法使用了局部搜索法,易于陷入局部极小陷阱,因此作者对蚂蚁算法作了改进,在选择概率中加入混沌函数扰动,使算法在一定程度上接受恶化解,以跳出局部极小的陷阱,并通过仿真试验加以验证。在第五章中,作者将蚂蚁算法应用于求解Job-Shop 问题。针对采用传统信息造成机床加工时间的大量浪费,作者提出了一种新的启发信息:最早允许开始时间(EAPT),可以使未加工的工序填入到机床上的空闲时间段内加工,缩短了总的加工时间,同时在算法中加入了适量的随机信息,扩大了算法的解空间,避免了陷入局部极小的陷阱,通过大量的仿真试验验证了新算法的有效性。在本文的最后,作者还对算法的两个主要参数与仿真结果的关系作了研究。论文的第六章总结了全文的工作,并对未来的研究工作提出了展望。