蚁群算法（Antcolonyalgorithm，ACA）是计算智能里面的经典动物群体仿生案例，其模仿蚂蚁群体的群体觅食等活动来完成在图中寻找优化路径的随机概率型算法。蚁群算法跟遗传算法一样都源自于大自然的启示，是一种全局最优化搜索方法，具有良好的搜索性能。是大自然赐予人类的一种用以解决离散组合优化问题的天然方法。本文从理论上对蚁群算法的自然界启示、基本原理、算法公式和基本实现步骤进行了系统的研究,对其在很多个方面的以往研究成果进行了总结性归纳。通过研究分析基于蚁群优化算法和粒子群优化算法的混合算法，并将其应用来求解TSP问题。通过研究利用粒子群优化对基本的蚁群算法中启发式因子α与信息素因子β进行改进修正和随机性搜索，从而得到了两个参数的最佳组合值，进一步实现了TSP问题的求解。其仿真实验结果中得到了最优路径的解，达到了本文作者预期的效果，其具有较好的推广应用意义和进一步的研究价值。文中还提出了几点蚁群算法的改进策略,对信息素的更新方式加以改进，提出了基于排序奖惩的蚁群系统。在实际应用方面则选取现在城市快速公交系统中的组合优化问题,使用本文中所提出的改进的蚁群算法对其进行求解。最后,将算法运用于实际的物流或者客流的路径优化问题。算法的仿真实验表明,本文中的改进算法的理论正确和可行。