蚁群算法是一种最新发展的模拟昆虫王国中蚂蚁群体觅食行为的仿生优化算法,该算法采用了正反馈并行自催化机制,具有较强的鲁棒性、优良的分布式计算机制、易于与其它方法结合等优点,在解决许多复杂优化问题方面已经展现出其优异的性能和巨大的发展潜力,近几年吸引了国内外许多学者对其进行了多方面的研究工作。目前,蚁群算法已经成为国际智能计算领域中备受关注的研究热点和前沿性课题。本文的主要工作为:首先,对蚁群算法的基础理论进行研究,对于近年来蚁群算法的研究进展进行总结,对于蚁群算法在路由选择的应用领域的研究状况进行了分析。其次,针对蚁群算法在多约束QoS组播路由中的不足之处进行改进,提出一种融合遗传算法的改进模型(MACO),改进后的模型在算法初期通过遗传算法的全局性和快速性对信息素的分布进行初始化,然后采用分组蚂蚁进行路由选择,简化蚂蚁的路径选择过程,进一步提高算法的效率。同时进行了仿真实验,实验结果表明了改进后的蚁群算法在解决QOS组播路由选择方面具有可行性和有效性。再次,将蚁群算法应用到非结构化P2P网络的资源搜索机制中,利用蚁群算法的信息正反馈性,指导网络中查询消息的转发,仿真实验表明本算法在查询成功率和消息转发数量等方面的性能都优与传统的洪泛(Flooding)搜索算法。最后,对本文所做工作进行了总结,并对今后的研究方向进行了展望。