本文研究了蚁群算法及其对PID参数优化，主要研究内容如下： 1．综述了智能优化算法、蚁群算法的机理，论述了蚁群算法产生的背景、国内外研究现状，指出了该算法的特点、存在的问题及应用领域。详细的阐述并比较了遗传算法、人工神经网络等几种代表性仿生优化算法。 2．通过“双桥实验”分析了蚁群的自组织行为及对该行为的数学建模。详细说明了基本蚂蚁算法(As)的模型、实现及其特性。在此基础上，阐述了ACO的原理，对影响该算法的参数进行了说明并对AC0的特点及其复杂度进行了分析。 3．对蚁群算法中α、β、p、m等参数的设置作了理论上的研究，对算法参数的最优化配置进行了分析，并采用国际上通用的测试问题库TSPLIB中的TSP问题作为测试对象进行了仿真实验，得出了比较适当参数配置方案。 4．对几种常见的蚁群优化算法：最大一最小蚂蚁系统、自适应蚁群系统、带交叉算子的蚁群系统和基于排序的蚂蚁系统进行了比较深入、系统的分析和研究，并对各算法的性能进行了对比分析。通过仿真实验可以看出：改良的蚁群算法采用了更为高效的信息素更新和路径选择机制，使得改进后算法的全局收敛速度得到明显的提高。各算法不同程度的避免了出现停滞现象，具有较高的搜索较好解的能力。 5．给出一种嵌入确定性搜索蚁群算法优化PID参数的方法。综述确定性搜索蚁群算法的收敛过程和求解步骤，并给出其对PID控制器进行参数的优化的具体实现步骤，最后将该优化方案应用于某型烘干机干燥箱温度PID系统。该法较好地克服了传统PID调节器参数寻优的不足，仿真研究表明：新算法的求解质量较高，具有较好的寻路性能，能够较好地实现参数优化；系统单位阶跃响应的超调量和调整时间大幅度减少，动态和稳态性能进一步改善，进而验证了该方案的可行性和有效性。