随着信息化技术的普及和发展,人们处理供需双方之间的需求匹配问题时,接触到的需求信息日益复杂化、海量化。但已有的双边匹配模型求解效率低、模型设计过程复杂,很难满足人们日益复杂多变的匹配需求,因此,本文提出了改进蚁群算法求解多属性双边匹配问题和动态多属性双边匹配问题的求解模型。在改进蚁群算法求解多属性双边匹配问题中,本文对双边匹配类问题进行抽象建模,改进属性匹配度计算模型,并针对蚁群算法前期易早熟、后期难收敛的问题,提出非线性梯度启发信息和基于历史搜索信息的状态转移策略;针对蚁群算法初始参数设置难、调参工作量大的问题,提出基于梯度下降思想的自动调参方法;并制定稳定匹配和当前最优匹配的评价规则,引导蚁群算法的信息素更新。在动态多属性双边匹配问题的求解模型中,针对以往动态双边匹配处理中存在个体重复匹配次数多、求解代价大、已很难在理想时间内处理海量的匹配个体复杂多变的动态匹配需求等问题,本文提出了影响函数和双边匹配问题估算模型及重新匹配集等概念,通过影响函数来衡量动态多属性双边匹配中的需求变动时对匹配个体的影响程度,并借助双边匹配问题估算模型来确定在需求变动后最终重新参与匹配的个体集合,减少个体参与匹配的次数,提高匹配效率。本文分别对改进的蚁群算法求解双边匹配问题和动态多属性双边匹配问题的求解模型处理效果进行了仿真实验。实验结果表明,改进的蚁群算法与传统蚁群算法相比求解效果和求解稳定性上提升显著;与基于RNA计算改进的蚁群算法相比求解稳定性更优。动态多属性双边匹配问题的求解模型在处理动态需求双边匹配问题上可以显著减少匹配个体参与匹配的次数,缩小问题规模,提升问题的求解效率。