蚁群优化(ACO)算法是一种新型的元启发式算法。蚁群优化算法具有较强的鲁棒性、优良的分布式计算机制、易于与其它方法结合等优点,可以用于解决各种组合优化问题,并已经成功解决了包括旅行商(TSP)问题在内的许多组合优化问题。蚁群优化算法具有天然的并行特性,适合并行计算。本文对并行蚁群优化算法进行了研究,主要工作包括:研究蚁群算法的并行化,研究并行蚁群算法的应用,研究算法参数的最优组合。本文采用MPICH在机群系统上对算法进行仿真研究,并选择了适合机群系统以及蚁群优化算法特点的并行策略。针对大规模火力分配问题(WTA)的特点,提出了一种求解该问题的并行蚁群算法(ACS-WTA-MPI)。仿真实验结果表明,本文提出的算法的求解质量比求解此问题的对应的串行ACS算法好,本文提出的并行算法的加速比和并行效率也比较理想,加速比最高达到3.851(处理机个数=4),并行效率最高达到0.963。本文对蚁群算法参数的选取进行了研究,目的是确定出参数的最优组合。蚁群算法有一系列的参数,其中主要包括蚂蚁个数、期望启发式因子、局部信息素挥发因子、全局信息素挥发因子等。本文通过一系列仿真实验,对这些参数的不同设置下ACS-WTA-MPI算法的性能进行了对比,确定出针对火力分配问题的算法参数的最优组合。最后,对全文的研究工作进行了总结,并展望了蚁群优化算法进一步还要研究的课题。