优化技术在许多工程领域有广泛的应用，如系统控制、人工智能、模式识别、生产调试以及计算机工程等。为了克服传统优化方法的不足，人们提出了智能优化方法如遗传算法、模拟退火算法、禁忌搜索算法等。　　 蚁群算法是一种模拟进化算法，通过模拟蚂蚁在协作搜索食物时的搜索行为来寻求最优解。蚁群算法提出后在组合优化中获得广泛的应用，如调度、二次分配和网络路由等。基于蚁群算法在组合优化实验中的优异性能，改进蚁群算法将其应用到连续问题优化以获得其在离散优化问题上同样优异的性能，成为目前的一个研究热点，也是本文的主要研究内容。　　 本文在已有的研究基础上将指导变异的思想引入蚁群算法，并将改进后的蚁群算法应用到PID控制器优化以及模糊规则产生。主要工作有：　　 （1）对连续优化问题，采用十进制编码进行离散化，将待优化问题定义域变成一个矩阵，使蚁群算法构造候选解的过程简单化。　　 （2）在定义域各维相同子区间内随机取值构成候选解，依据候选解的目标函数值来对各维子区间进行信息素的初始化，以便对各维子区间有一个大致的“印象”。　　 （3）在搜索过程中引入变异，利用搜索过程中的积累的关于各个节点上的最优目标函数信息来指导变异。　　 （4）对连续空间优化，将蚁群优化与步长加速法相结合，以便以较少的计算量获得满意的计算精度。　　 （5）用函数优化测试实例进行测试，并与遗传算法进行比较，结果说明本文算法能有效逼近全局最优解，并且计算复杂性大大减少。　　 （6）将本文算法并应用于PID控制器优化、模糊规则产生，并给出仿真实验对比结果，结果说明指导变异蚁群算法能减少上升时间和调节时间，减小系统误差。