在水资源系统工程中,存在诸多非线性、多维组合优化问题。解决这些问题的传统方法多采用解析法和穷举法,但这些方法都存在不同程度的缺点。本论文的目的旨在寻求出能够解决这些问题的更有效,更方便的方法。蚁群算法(Ant Colony Algorithm abbreviated:ACA)是一种全局优化方法,本论文在前人研究基础上,对蚁群算法进行了改进,建立了蚁群算法在水资源优化和预测等方面的新模型,通过MATLAB计算机语言编程,进行数据处理,应用于实践中,较好地解决了水资源系统中的多元复杂性问题,取得了良好的效果。本文取得了以下三方面的成果:1.本文介绍了一种具有随机性的局部搜索策略的蚁群算法模型,它可以提高一般函数优化问题的求解精度和搜索效率。本次研究将该模型成功的应用在明渠断面临界水深优化计算、溢流坝下游断面水深优化计算中,效果十分明显,计算精度也较高。2.本论文找到了蚁群算法与Marr小波神经网络的结合点,用优化连续空间的多维蚁群算法代替梯度下降法,调节BP网络的权值与小波函数的伸缩系数、平移系数;用小波函数Marr代替BP网络中的S型激活函数;并用小波网络的总体标准差作为蚁群算法的目标函数。该耦合模型用于水稻需水量预测中,取得了满意效果。3.蚁群算法具有很好的全局优化能力。本文在实码加速遗传算法的基础上,对该模型进行了很大的改进。提出了连续多维型蚁群—遗传算法,并首次应用在查哈阳灌区水稻灌溉制度优化利用中,计算结果与实际配水基本一致,证明该模型具有很好的实用价值。基于以上几种的模型的建立,本论文实现了理论与实践的有机结合。该论文的研究成果既为水文水资源领域的复杂、非线性问题提供了新的方法和思路,同时也拓宽了蚁群算法的应用范围,并且在理论上做了相应的改进。