随着全球经济的发展、城市化进程的加快，世界各大城市交通车辆的数量不断增加，交通事故、交通堵塞等问题日益严重。因此，研究如何合理地分配交通流的路径诱导系统受到越来越多的关注。第三代通信技术(3G，Third Generation)的发展和3G手机的面市，使得智能交通导航系统冲出了车载导航的范畴，国内外众多专家学者纷纷展开了面向便携式设备(如3G手机和PDA，Personal Digital Assistant)的路径诱导系统的研究。 本论文依据客户不同的出行需求，在分析了诱导中心提供的交通流和地理空间数据的基础上，采用了基于不同选择机制的蚁群算法，对静态和动态路径优化问题分别进行了研究，为实际路网中交通流的合理地分配提供理论支持。 对于静态路径优化问题，本文建立了以行驶费用最少为目标函数的数学模型。针对该数学模型，设计了蚁群算法和Dijkstra算法，并进行了仿真实验。结果表明，随着路网节点数目的增多，蚁群算法在算法运行时间上优于Dijkstra算法。 对于动态路径优化问题，本文建立了以行程时间最短为目标函数的数学模型。针对该数学模型，设计了基于轮盘赌的最大最小蚁群算法和基于随机增加信息素的最大最小蚁群算法。通过仿真实验表明，同基于轮盘赌的最大最小蚁群算法相比,基于随机增加信息素的最大最小蚁群算法在运行时间上较短，但在达优率方面略低。 在分析了路径优化问题的基础上，本文设计了基于蚁群算法的路径诱导系统。其主要工作包括：电子地图分析设计、移动智能体的分析设计、地图信息检索和显示等方面。针对3G手机的计算能力和通信能力的弱点，本文引入了主从式移动智能通信技术来弥补智能手机的这两大弱点，为智能交通导航系统冲出车载导航的范畴转向便携式的移动设备上提供了必要的技术支持。