多约束QoS组播路由问题是下一代网络发展亟须解决的一个关键问题。对其展开研究具有重要的应用价值和学术价值。多约束QoS组播路由问题被证明是一个NP难问题，所以传统的图论方法对其无能为力，研究启发式算法是一个较好的选择。近十几年来流行的智能算法由于其优秀的优化性能得到了广泛的应用。迄今为止，几乎所有的智能算法都已被应用于解决多约束QoS组播路由问题。尽管如此，现有的智能路由选择算法仍然有不足之处，如未成熟收敛，容易出现停滞现象，时间耗费过大，过于复杂等。本文针对现有智能算法在解决该问题上的不足展开研究，取得了一些成果，主要包括：①针对现有遗传算法应用于多约束QoS组播路由问题时存在收敛速度慢、容易陷入局部最优等不足，从种群初始化、交叉、变异操作三个方面对遗传算法进行改进，提出一种改进的遗传算法求解多约束QoS组播路由问题，并采用8个节点的网络实例实验仿真，通过实验表明改进遗传算法的有效性。②为了克服现有萤火虫群算法应用于多约束QoS组播路由问题时存在时间耗费多、自适应性和鲁棒性不强等不足，从荧光素更新方式、动态决策域更新方式和邻居集合更新方式三个方面改进，提出一种改进的萤火虫群优化算法求解该问题，并在8个节点的网络实例中进行测试，通过实验表明改进的萤火虫群算法的有效性。③采用一种改进的Salama算法生成规模较大的模拟测试网络，对本文提出的两种改进算法进行仿真测试，并与其它的智能算法进行比较，通过实验仿真表明本文提出的两种改进算法的优越性。