投资者在进行股票投资时,期望获得更大收益且承担更小的风险。由于单只股票往往收益越大风险越大,因此,投资者通过投资组合的方式避免风险过高。马科维茨提出的“均值-方差”的投资组合模型首次量化了投资的收益和风险,但其投资组合模型的假设条件太过理想化,在实际股票市场的应用中受限,因此,不断的优化模型使其更加贴近实际股市具有重要的实际意义。由于模型越来越复杂,约束条件越来越多等原因,导致模型求解的复杂度越来越高,快速、准确地求解模型对投资组合的发展意义重大。蚁群算法作为一种启发式群智能算法,由于其容易实现、收敛速度快等特点,在求解旅行商问题、组合问题等方面具有很大的优势。随着投资组合模型的不断复杂,基本蚁群算法已经不能满足其要求,因此,利用改进蚁群算法对模型进行求解具有重要的现实意义。本文所做的主要工作如下:（1）考虑到股市的实际情况,在马科维茨模型的基础上,加入允许投资资金有剩余、最小交易单位、交易成本等约束条件来优化模型,增强模型的适用性。（2）针对基本蚁群算法容易陷入局部最优的缺点,将鲸鱼算法的包围行为、随机搜索、泡泡网攻击操作离散化引入基本蚁群算法中,对其进行改进,并对改进算法进行仿真性能测试,结果表明,改进算法在寻优能力、可靠性和稳定性方面均优于基本蚁群算法。（3）在上海证券交易所官网选取6只不同行业的股票,对每只股票的历史收益率和成交量数据进行处理,建立用蚁群算法求解实际投资组合问题的模型。分别用基本蚁群算法和鲸鱼-蚁群算法对模型有无交易成本两种情况的目标函数、组合收益和组合方差进行求解,证明改进算法求解模型的优越性。从组合收益、组合方差和投资者多角度对结果进行分析,为投资者进行合理的投资提供一种参考和预测。