网络业务需求的快速增长对互联网服务质量(QoS)提出更高的要求，而业务交换节点成为制约网络性能的主要“瓶颈”之一。由于互联网络复杂的动态特性可以通过网络所负载的流量来反映，同时网络流量又是网络动态行为的主导因素，所以我们希望通过路由优化对网络流量进行合理调度从而改进网络的性能。因此提高网络管理的效率以改善网络运行环境的质量逐渐成为，如何进行路由寻优以及实现流量合理调度以平衡网络负载的意义就显得尤为重要。　　 工作在网络层上的路由器可以连接不同类型的网络，所以它是能够选择数据传送路径并对数据进行转发的网络设备。为了帮助路由器选择路径进行数据传输，应使用路由算法对路由表进行初始化和维护。本文对路由算法相关理论进行了研究，综述了蚂蚁算法的原理以及用蚂蚁算法解决问题的思想以及国内外基于蚂蚁算法的路由算法系列原理，基于蚁群算法对多重链路的网络路由优化及负载均衡进行了研究，提出了基于收敛梯度的快速收敛算法，实现路由寻优的快速收敛，在理论上优化了蚁群算法在路由寻优过程中的多次迭代收敛问题，能较快地得到最优路径；进一步地把快速收敛算法应用到网络流量负载均衡上，在理论上优化了链路上因流量的分配而产生拥塞问题，实现了网络优化，提高了资源利用率。经过仿真实验比较该算法与传统路由算法，蚂蚁算法应用到路由算法上可以起到节省网络带宽、减小路由器存储和处理资源利用率的作用、具有良好的可扩展性，对实现大规模网络来说是一种新的解决途径。　　 论文的主要贡献如下：　　 (1)提出了基于收敛梯度的快速收敛算法针对收敛速度问题，定义了收敛梯度概念，并在此基础上提出了快速收敛算法。通过比较各条链路上的收敛梯度值，终止迭代的进行，直接选择收敛梯度大的路径为最优路径。解决了以往算法研究的收敛反复迭代问题，在一定程度上缩短了收敛时间，提高了效率。　　 (2)基于快速收敛算法的逆向蚁群算法的快速流量优化针对网络中链路上的流量分配问题，在引入收敛期望和收敛梯度的基础上提出了一种逆向蚁群算法实现流量均衡的方法。根据蚂蚁在链路上寻优时路径上信息素的变化情况判断网络链路的负载情况，当链路上信息素大时分配少的流量，反之，链路分配多的流量。