现今社会,随着数据量的增大,待优化问题日益增多,群智能算法为优化问题的求解提供了一定的思路。蚁群算法作为群智能算法的一种,能有效处理组合及聚类等优化问题。TSP问题作为组合优化问题的代表,图像分割问题作为聚类问题的代表,近年来得到了广泛的研究。但是,蚁群算法在求解TSP问题时思路相对固定,在求解图像分割问题时运行速度较慢,还有待进一步完善。为此,本文分为面向TSP问题的蚁群算法研究与面向图像分割的蚁群算法研究两部分。本文提出归约思想与蚁群算法相结合的方法,将TSP问题与图像分割问题归约为许多子问题,为TSP问题的求解提供了新思路,并能有效提高图像分割问题的运行速度。本文提出TSP问题的凸包归约求解方法,提供了TSP问题求解新思路。做TSP问题点集凸包,将凸包内的点按照隶属度划分到凸包边所在分类,每个分类内所有点构成一个子集,同时TSP问题也被归约成多个带约束的子问题,对子问题进行递归求解,将所有子问题解合并即可形成原问题的解。提出了两种子集划分方法,单层凸包划分方法与层次凸包划分方法,并在TSPlib数据集上进行了测试,验证了TSP问题凸包归约方法的有效性。面向TSP问题的蚁群算法研究,提出基于蚁群算法的TSP问题凸包归约求解方法。采用蚁群算法求解聚类问题的思路,将凸包内的点分类到各个子集中,对每个子集形成的带约束的子问题,采用传统蚁群算法求解TSP问题逐个城市构建路径的思路求解,最后将各个子问题的解合并形成原问题的解。实验测试了两种启发函数以及相关参数设置对解质量的影响,并与蚂蚁系统以及蚁群系统进行了对比,证实了该方法的可行性。面向图像分割问题的蚁群算法研究,提出基于归约思想与蚁群算法相结合的图像分割方法。采用归约思想将图像分为多幅子图像,用蚁群算法分别对每幅子图像分割形成超像素,再利用蚁群算法求解聚类问题的思路将各个超像素合并形成整幅图像的分割。实验测试了空间信息、信息素更新公式及子图像块数对图像分割质量的影响,并成功将该方法与模糊C均值聚类算法相结合,能有效提高算法在处理图像分割时的运行速度。