自然界中,蚂蚁属于典型的群体性动物,其个体行为单一,但在蚁群协调合作中却能够产生自组织行为,如蚁群总能够发现蚁穴到食物之间的最短路径。受此启发,意大利学者M.Dorigo等人模拟蚁群觅食,通过数学建模和实验研究提出了蚁群算法,并将其应用于旅行商问题的求解中,取得了良好的效果。在近二十年内,蚁群算法经过学者们的研究和改进,逐渐成为人工智能算法一个独立的分支,在系统识别、网络路由、组合优化、路径规划、数据挖掘、图像处理、电路综合布线设计、函数优化等领域得到广泛应用。本文较为系统地研究了蚁群算法的原理、算法模型和应用,就如何对基本蚁群算法进行改进,蚁群算法在噪声图像边缘检测领域的应用做出了较为深入的研究,并对改进的蚁群算法在地震断层追踪领域的应用做了一定的探索研究。论文的主要研究成果包括：1.基于AC模型,对于AS算法重要参数的确定做了大量的仿真实验,分析实验数据,求得参数选取的最优值。2.针对蚁群算法收敛速度慢的缺陷,提出了指数模型的蚂蚁生命周期策略,将蚂蚁第一次循环求得的路径长度作为蚂蚁生命周期的设定标准,增强算法的正反馈特性,弱化了较差解对算法后续运行的影响。3.针对算法易陷入停滞的问题,改进了蚁群算法的概率选择函数、信息素更新策略和启发式因子,与原算法对比,对算法停滞的抑制起到一定效果。4.针对噪声图像的边缘检测这一具体应用对蚁群算法进行了改进,包括蚂蚁初始位置的选取,将图像边缘的特性加入启发性因子等,算法应用于噪声图像的边缘检测中,对边缘图像噪点的抑制取得了较好的效果。5.将改进后的蚁群算法应用于地震断层追踪领域,利用蚁群算法检测断层图像的边缘,增强断层的不连续性,为后续处理奠定基础。