随着新一代互联网规模地迅速增长，网络技术的不断完善与成熟，特别是交互式网络多媒体服务越来越广泛的应用，如何提供高水准的服务质量(Quality of Service，QoS)成为计算机网络领域研究的重要课题。其中，如何在满足QoS多约束条件下进行路由选择，并且将QoS路由选择和网络资源利用优化相结合，成为QoS研究的一个重要方向。而蚁群算法作为一种新型仿生启发式算法，具有分布式计算、信息正反馈和启发式搜索等特征，使其适合应用于求解多约束QoS路由问题。　　 本文首先分析了QoS路由的研究意义，介绍了QoS路由算法和蚁群算法的研究现状。对蚁群算法的机制原理、模型、优缺点进行了详细介绍，总结了改进策略和思路，并在最大-最小蚁群算法的基础上，加入了多层信息素平滑机制和双向收敛策略，使改进后的Q-MMAS算法在保证解路径质量的前提下收敛速度得到了显著提高，仿真实验中验证了Q-MMAS在解决TSP问题上的性能优势。随后本文介绍了QoS路由技术的基本概念原理、研究要点，给出了多约束条件下QoS路由问题的数学模型。　　 基于Q-MMAS快速收敛的特性，本文提出了提出了多约束条件下QoS路由算法——混合行为QoS蚁群路由算法（HBAntQoS，Hybrid Behavior AntQoS）。QoS蚁群在执行混合行为时，保证了解路径的多样性与随机性，更好的适应了多约束QoS路由问题。分别对HBAntQoS算法在静态和动态网络拓扑环境中进行了仿真实验，验证了其在多约束QoS路由问题上的可行性和有效性，实验表明HBAntQoS算法能够有效实现网络资源优化组合以及网络负载均衡，防止出现网络震荡状态。通过与其他QoS路由算法的对比实验，证明HBAntQoS算法具有更快的收敛速度和更优的解质量。