k最短路径问题是最短路径算法的重要分支,也是图论和网络优化研究的主要问题之一。在不同的情况下,我们除了要考虑最短路径问题外,还有可能需要考虑次短路,次次短路...,即寻求网络中起点到终点之间的多个备选优化路径,所以研究k最短路径算法问题不仅具有理论价值,而且也具有很大的实用价值。本文对传统的群智能进行改进来求解k最短路问题,主要内容如下:1.通过研究蛙跳算法,针对其种群分割方式不合理会影响收敛速度的问题,提出一种新的种群分割方式,同时结合Yen算法的偏离路径思想提出一种新的学习策略,使得该算法可以用于求解k最短路经问题。仿真结果表明提出的新算法是可行的,在寻优精确度、时间效率的比较上均优于标准遗传算法。2.提出了一种基于遗传算法k最短路径问题的混合遗传算法,该算法思想是重新定义一种染色体编码方式,交叉率和变异率采用同时采用自适应规则提出k最短路径问题的混合遗传算法。通过重新构造的交叉率和变异率的公式,加快了算法收敛速度,同时结合模拟退火Metropolis准则对子代个体的接收作出选择,克服了算法容易早熟的问题,仿真结果表明该算法比标准的遗传算法具有较好的收敛速度。3.应用Prim算法求解图的最小生成树,把求解k最短路径问题转化为求图最小生成树问题,提出了一种基于最小生成树k最短路径算法,同时提出一种重新构造图的方法并给出了相关的性质及推论,对时间复杂度进行了分析,最后通过实例对算法的可行性进行了验证。