组合优化是运筹学的重要分支，主要通过对数学方法的研究寻找离散事件的最优编排、分组、次序或筛选等。大多数这类问题通常在多项式时间里无法求解，属于NP完全问题。随着问题规模的扩大，问题空间呈现组合爆炸特征，无法用常规的方法求解。旅行商问题(TSP)就是一个经典的组合优化问题，属于NP完全问题。此类问题目前只能用启发式算法进行求解。 自从上世纪50年代中期创立仿生学以来，人们不断地从生物进化的机理中得到启发，提出了许多用于解决复杂优化问题的新方法，比如神经网络、遗传算法、模拟退火算法、进化规划等，并成功应用于解决实际问题。由意大利学者M．Dorigo，V．Maniezzo，A．Colorni于1992年首先提出的蚂蚁系统(Ant Colony System，ACS)，是一种新颖的仿生进化算法，适用求解复杂组合优化问题。蚂蚁优化算法(Ant Colony Optimization，ACO)是一种随机搜索算法，它基于对自然界真实蚂蚁的集体觅食行为的研究，模拟真实的蚂蚁协作过程。算法由若干个蚂蚁共同构造解路径，通过在解路径上遗留并交换信息素提高解的质量，进而达到优化的目的。目前，蚂蚁系统己成功应用于求解旅行商问题(TSP)、二次分配问题和job-shop调度问题，取得了很好的实验效果。受其影响，蚂蚁系统的研究已经逐渐引起了更多学者和专家的关注。虽然，该研究方法处于研究的初级阶段，但是一些研究成果已经显示出蚂蚁系统在求解复杂优化问题方面的优越性。 ACO的主要特征是正反馈和隐并行性。正反馈机制可以快速发现优化解。隐