随着计算机网络技术的飞速发展，多播通信的功能显得越来越重要了。多媒体信息传输的实时性要求计算机网络能够保证传输信息所需的带宽、延迟、延迟抖动、信息丢失率等。已经证明，在多个约束下的多播路由问题是NP完全问题。　　 QoS多播路由是下一代网络中传输视频、音频信息的关键部分，它具有两个功能：　　 ①寻找满足QoS约束的多播路由；②优化利用网络资源。多播路由问题的关键在于多播路由的确定，即寻找简单、高效、健壮的多播路由算法，多播路由算法主要是用来建立一棵性能良好酌多播树，并使它能够满足各种业务的服务质量QoS需求，如何较好的解决该问题已成为网络资源优化问题研究的热点之一。　　 目前已有算法大都采用启发式算法和神经网络等智能算法来解决此类问题，但还存在一些缺点，如结果不够稳定，性能不能得到保证等。近年来，随着对遗传算法和蚁群算法的研究不断深入，发现采用此两种算法来求解NP完全问题能取得较好的效果。由于遗传算法和蚁群算法具有简单性、健壮性、并行性、易于实现等优点，在搜索过程中自适应地控制搜索过程，不断地缩小搜索空间，从而得到优化解，甚至最优解，所以同样适合于求解QoS多播路由问题。　　 本文从多播路由选择算法向简单性和通用性方向发展的角度出发，主要研究遗传算法和蚁群算法在该问题中的应用。主要研究工作如下：　　 1、针对非精确状态信息下的QoS多播路由问题，提出了一种基于概率的QoS多播路由遗传算法。该算法通过一种精度可控的次优化方法，能有效地屏蔽网络状态的非精确性，忍受较大的网络更新触发门限值，并保持较好的路由性能。　　 2、针对带宽、时延和代价最小的QoS分布式多播路由问题，提出了一种基于蚁群算法的启发式算法。该算法不仅可以实现全局优化，有效地提高网络数据包的传输质量，而且可以大大节约路由选择时间。　　 3、针对多约束QoS多播路由问题，给出了带宽、延时和延时抖动约束以及代价最小的QoS多播路由模型，提出了一种基于蚁群系统的通用启发式算法。该算法通过对信息素强度调整方法的改进，克服了蚁群算法易限于局部最优解的缺陷，可以实现全局优化。　　 上述几种算法都已通过仿真算例验证了其有效性，为相关的研究工作提供了参考和借鉴。