组合优化是运筹学的重要分支，主要通过对数学方法的研究寻找离散事件的最优编排、分组、次序或筛选等。大多数这类问题通常在多项式时间里无法求解，属于NP完全问题。随着问题规模的扩大，问题空间呈现组合爆炸特征，无法用常规的方法求解。旅行商问题(TSP)就是一个经典的组合优化问题，属于NP完全问题。此类问题目前只能用启发式算法进行求解。　　 自从上世纪50年代中期以来，人们不断地从生物进化的机理中得到启发，提出了许多用于解决复杂优化问题的新方法，比如神经网络、遗传算法、模拟退火算法、进化规划等，并成功应用于解决实际问题。蚁群算法作为一种新的启发式算法.它具有正反馈、分布式计算以及结构性的贪心启发等特点，使其能够成功地解决许多NP-完全组合优化问题。虽然，该研究方法目前处于研究的初级阶段，但是一些研究成果己经显示出蚁群系统在求解复杂优化问题方面的优越性.　　 本文在详细介绍蚁群算法原理的基础上，对蚁群算法在TSP问题中的应用进行分析和研究，对蚁群算法中参数α，β，ρ的影响和作用做了分析和研究,同时对最优的参数设置问题做了进一步分析和研究。最后提出了一种改进蚁群算法模型，仿真实验表明：这种改进模型是行之有效的。