蚁群算法是模仿自然界的蚂蚁群体觅食过程中沿最短路径行进的生物学行为发展起来的一种群智能优化方法。该算法以信息素作为间接通信方式,通过内在的搜索机制和正反馈特性,在一系列组合优化问题中取得了成效,并在函数优化、系统辩识、网络路由、机器人路径规划、数据挖掘等领域获得了广泛的应用,取得了较好的效果。本论文围绕蚁群算法的原理、理论及其应用,就如何改进基本蚁群算法及其在组合优化、函数优化、网络路由应用方面进行了深入的研究。本文主要研究成果包括：提出了一种基于协同合作的蚁群优化算法,引入信息素扩散模型实现信息素局部更新,采用随机扰动机制实现信息素的全局更新,发挥了蚁群之间的协同合作能力,使收敛速度更快,全局优化能力更强。实验结果表明,该算法在控制参数的敏感性、寻优能力、以及防止早熟或停滞等方面均远远优于基本蚁群优化算法。在基于协同合作的蚁群优化算法基础上加入粒子群算法的特点,使得蚂蚁具有粒子性且初始解随机化,从而很好地保证了搜索的全局性,较好地避免蚁群算法容易陷入局部解的缺点,使得该算法成功应用于求解连续域空间函数问题。实验结果表明,在一维及多维函数优化实例上均得到了很好的效果。对现有的混沌蚁群算法进行了讨论总结,并提出了一种改进的混沌蚁群算法,并应用于求解QoS多播路由问题。该算法通过对单个蚂蚁混沌行为的调整,引入混沌扰动的信息素更新策略等方法,提高了蚁群算法在求解QoS多播路由问题中的收敛性,仿真实验表明,该算法较好地解决了求解QoS多播路由问题。