蚁群优化算法是一种近年来才发展起来的新颖的仿生型的智能优化算法,具有正反馈、分布计算和启发性搜索等特点。作为计算智能和群智能的重要分支之一,蚁群优化算法的研究方兴未艾,备受瞩目。蚁群优化算法的思想来源于我们真实世界中的蚂蚁群体的智能特性。在现实生活中,单个蚂蚁并不具备将食物以最短的路径运回到蚁巢的智能行为,然而由许多蚂蚁所构成的蚂蚁群体在经过一段时间的调整以后,通过个体之间的相互配合与协作,最后能够使整个蚁群沿着某条最短的路径将食物搬回到蚁巢。本文以研究典型的NP问题——旅行商问题入手,对蚁群优化算法的发展背景、内容、实现方法和性能作了详细介绍,对该算法本身进行了深入研究,提出了自己的改进方案,同时,对算法的应用进行了推广。本文在蚁群优化算法的研究中主要作了如下几点独创性的工作:1.针对蚁群优化算法中信息素强度在蚁群之间起通讯、协作的关键作用,提出了利用全局和局部最优解来增强优质个体所走路径上的信息素强度的方案。仿真结果表明,这种增强型蚁群优化算法比标准的蚁群优化算法和其他优化算法在执行效率和稳定性上要高。2.在运用蚁群优化算法解决中国旅行商问题的过程中,提出了增大那些没有被访问到城市节点将被搜索到的概率的改进方法Ant_F和在演化后期适当增大系统区分信息素含量对比强度的方法ACS+。实验结果表明Ant_F能够增强系统的搜索能力,而ACS+具有加快系统收敛的特性。3.根据蚁群优化算法寻找路径的特点,提出了运用蚁群优化算法进行迷宫路径的搜索的新方法,并将它拓展到交通路由寻优问题上,给出了阶段性的研究结果,同时对解决交通网络路由问题的研究方案进行了设想。4.如何寻找最优特征脸,提高系统的人脸识别率,是一个NP优化问题。本文提出了利用蚁群优化算法进行人脸特征选择,用支持向量机进行学习和识别的人脸识别方法,提高了系统人脸识别率。5.给定一氨基酸序列,找出蛋白质的最低能量构象,也是一个非常典型的组合优化问题。解决这个问题,具有十分重要的意义。针对HP蛋白质折叠模型,提出了动态繁殖的蚁群优化算法,成功地解决了大部分的HP蛋白质序列的折叠构象。