蚁群优化算法是一种群体智能算法,是自然界中蚂蚁群落在寻找食物过程的模拟,是一种新兴的智能进化算法,是专门解决离散的棘手的问题,在许多应用中,充分展示了其优点,在算法的改进方面也取得了很好的成果。与积极的反馈、自组织、分布式、强健、易与其他算法相结合的优势,蚁群算法往往陷入局部最优解,收敛速度慢,对初始解的要求比较高。从理论上讲,适当转换后改进的蚁群算法可以使任何组合优化问题得到更快地解决。本文在蚁群算法和模拟退火算法的基础上对他们进行混合改进,并考虑目标函数梯度的因素,促使算法快速全局收敛；另外,在夹角优化方面也作了相关改进,考虑方向夹角对算法的影响程度,都得到了很好的结果。根据蚁群算法的特点,本文提出了基于目标函数梯度的模拟退火蚁群算法和夹角优化的蚁群算法。数值分析和实验表明：改进的新算法不仅具有原算法的优点,而且提高了算法的速度。新算法应用于旅行商及路径规划问题,新算法的优越性得到了验证。本文所做工作如下：1.简要介绍了蚁群算法的产生背景意义及研究现状,归纳论文所研究的内容与意义。2.简要介绍了蚁群算法的基本原理、算法步骤及流程,最后分析了算法的优缺点等。3.首先简要介绍了模拟退火算法的基本原理和算法的过程,然后介绍了一种基于目标函数的梯度模拟退火蚁群算法的基本原理和算法流程,最后给出新算法对TSP问题优化的实验结果。4.首先简要介绍路径规划问题,然后介绍夹角优化的蚁群算法的基本原理和算法流程,最后给出新算法对路径规划问题优化的结果。