启发式智能优化算法是目前国际前沿研究热点,它包括神经网络算法(NN)、遗传算法(GA)、模拟退火算法(SA)、禁忌搜索算法(TS)、蚂蚁算法(AA)、DNA计算等.蚂蚁算法是近年来刚刚诞生的一种源于大自然的新的仿生类随机优化方法,DNA计算是一种基于化学反应和分子生物技术进行计算的新方法.该文基于蚂蚁算法的智能优化算法研究,具有以下创新性:(1)遗传算法与蚂蚁算法的融合(GAAA).该文算法是将遗传算法与蚂蚁算法融合(简称GAAA),采用遗传算法生成信息素分布,利用蚂蚁算法求精确解,优势互补.并对NP-hard问题中的30城市TSP和中国CHN144城市TSP问题进行实例仿真,结果表明该方法不仅是一个逐步收敛的过程,而且求解速度和求解效果都非常好.(2)基于动态聚类邻域分区并行蚂蚁优化算法.该文算法体现"分而治之"的思想,首先采用动态K均值聚类快速邻域分解,其次应用蚂蚁算法同时对分区并行优化计算,最后基于分区重心进行邻域全局连接.得到求解大规模TSP问题满意解的有效方法.(3)遗传算法与蚂蚁算法融合的马尔可夫收敛性分析.该文对提出的遗传算法与蚂蚁算法的融合模型进行马尔可夫收敛性理论分析.首先证明GAAA算法的优化解序列是马尔可夫链,其次证明其优化解满意值序列是单调不增的.最后证明GAAA算法的优化解序列以概率1收敛到满意解集.(4)基于混合蚂蚁算法的网络计划资源均衡与优化.将具有强约束的网络计划资源均衡与优化问题转化为组合优化的最短路问题,利用该文提出的混合蚂蚁算法GAAA进行求解,取得了非常好的效果.(5)基于蚂蚁算法的动态最优路由选择.蚂蚁算法具有很强的自适应性,基于蚂蚁圈模型和MMAS模型构造的蚂蚁算法,将网络的容量限制、流量变化和最短距离结合起来讨论,通过在找到的最短路径上设置障碍物来模拟网络拥塞,找到(源结点→目的结点)的多条最优路由序列,以便在实际中实时地、自适应地进行动态路由选择.