蚁群算法(Ant Colony Algorithm,简称ACA)是在模拟蚂蚁群体智能行为的基础上最新发展起来的一种仿生优化算法。这种优化算法具有很强的鲁棒性、适应性和易于与其他方法相融合的特点,并且能够很好的解决工程实际中的非线性约束问题。所以,采用蚁群算法进行结构优化,具有非常重要的理论意义和工程价值。本文在基本蚁群算法研究基础上,对应用于连续域优化问题的蚁群算法进行深入研究,在其典型改进算法原理与技术实现基础上,添加最大最小蚂蚁系统,引入自适应思想,结合有限元技术,发展一种改进的蚁群算法理论,并将其应用于有限元结构优化。研究工作内容主要包含以下几个方面:　　(1)通过研究基本蚁群算法原理,给出基本蚁群算法的数学模型与实现方式,结合数字仿真实验,研究了在蚁群算法中,信息素挥发系数、蚂蚁数目、信息启发式因子、信息素强度等参数对算法收敛性、求解效率等性能的关键影响作用,并给出蚁群算法参数选取原则,为蚁群算法求解性能改善提供依据。　　(2)论文通过对应用于连续域优化问题的蚁群算法进行研究的基础上,添加最大最小蚂蚁系统,引入自适应思想,提出改进蚁群算法,建立其数学模型,编程实现上述算法,并将其应用于多个复杂函数最值问题进行优化分析研究,验证其实现的合理性、程序编制的正确性;从函数极值优化算例所得结果,进一步验证了文中改进算法具有很好的适应性,并且全局收敛能力显著提高。　　(3)利用ANSYS参数化设计语言APDL,建立典型轴对称飞轮结构的有限元分析批处理命令流,包括参数化建模、参数化求解分析、参数化结构优化等,为批处理命令流在VisualC++6.0中的调用提供技术支撑,为实现有限元法与蚁群算法相结合做出研究基础。　　(4)将改进蚁群算法与有限元法相结合,实现一种有限元结构优化的蚁群算法求解方法,并将所提出的方法应用于飞轮结构优化分析。结果表明,与ANSYS软件优化结果接近,验证了本文所实现的结构优化方法是有效的,同时对其它优化算法与有限元法相结合的结构优化方法给出研究基础,并对其应用前景进行了展望。　　(5)在Microsoft Visual C++6.0编程环境下,采用C++和APDL语言分别设计改进蚁群算法模块和ANSYS有限元分析模块,通过文本文件数据接口,编制、开发了使用方便、通用性较强的相关程序。