蚁群算法是一种新型的仿生类算法,具有较强的鲁棒性.它采用分布式计算机制,易于实现,已在众多领域取得了广泛的应用.本文主要围绕蚁群优化算法的理论及应用,就如何求解旅行商(TSP)问题、多目标优化问题进行了研究.本文的主要工作概括如下:首先针对蚁群算法存在停滞现象的缺点,提出一种基于动态权重的选择策略,以强化其全局搜索能力.改进的初始选择策略以信息素为主扩大搜索范围,迭代一定次数后则以路径期望为主,从而提高蚁群算法的求解性能.并将改进后的蚁群算法与基本蚁群算法分别应用于旅行商问题(TSP)进行仿真实验.结果表明,改进后的算法具有优良的求解性能,可抑制算法过早收敛于次优解,有效防止了停滞现象.其次为保持多目标优化问题Pareto最优解的多样性,提出了一种新的蚁群算法.选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新.其中,全局信息素更新采用了两个最好解.此外,通过设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上.仿真实验结果表明新方法比NSGA-II和SPEA2更有效.