随着网络的发展,人们对视频、音频等多样化实时传输有了更多的需求。为了提高网络服务质量,很多学者、技术人员开始对QoS路由技术进行研究。QoS路由的任务就是在网络中寻找一个路径,使其能满足带宽、时延、时延抖动和费用的限制。专家证明如果QoS路由至少包含两个限制时,它是一个NP-C问题。传统的路由算法很难有效地解决NP-C问题,这时,很多学者提出用蚁群算法来解决这个问题。蚁群算法是一种群体智能搜索算法,它来源于蚂蚁寻食的启迪。它的特点在于单只蚂蚁个体只能完成相当简单的任务,而整个蚂蚁群体通过彼此合作可以出色地完成复杂的任务。目前蚁群算法被广泛应用于许多组合优化问题。由于它具有并行式计算和多路径搜索的特性,将其应用于QoS路由选择可以得到事半功倍的效果。本文研究了基于蚁群系统的QoS路由算法与基于蚁群-遗传算法的QoS路由算法,探究了算法中存在的不足。分析了造成基于蚁群系统的QoS路由算法运算速度慢、早熟停滞的原因,分析指出了基于蚁群-遗传算法的QoS路由算法虽然是两种智能算法的结合,但是算法只是在非线性整数规划模型的基础上盲目地搜索,其仿生智能没有与问题特征很好的结合,由于两种智能算法的结合,造成了算法的不确定性增大,容易在选路过程中产生闭圈。针对基于蚁群系统的QoS路由算法与基于蚁群-遗传算法的QoS路由算法中的这些缺陷,论文提出了边界制约蚁群系统与基于边界制约蚁群系统的FALP算法。边界制约蚁群系统保留了原有蚁群算法中随机数调整转移规则的技术,加入了边界制约参数防止路径中信息素浓度的过度增长,有效避免了早熟停滞的发生。同时加入了学习步长参数,使得选路过程中,合理路径被选择的机率更大。FALP算法基于网络拓扑结构的特征,将新算法边界制约蚁群系统和传统最短路径算法进行了巧妙结合,解决了其他算法的闭环问题,同时加快了求解速度,提高了效率。经过仿真实验证明,FALP算法可移植性好、收敛速度快、更稳定,得到的路径解优于其他算法。