随着计算机和网络技术的加速发展,各种数据以不同的形式存储在不同的系统中,呈分布异构状态。而越来越多的用户希望能够透明地获取和处理这些海量信息源中有用的数据,这也是数据集成系统研究一直是相关领域一个非常热门话题的主要原因。异构信息集成系统的目的是通过集成各种可用资源建立一个复杂的信息系统,屏蔽现在已有的各种异构数据管理系统不同的访问方法和用户界面,给用户提供一个访问多种异构数据源的公共接口,建立一个集成处理多种数据源、整合多个数据查询结果的信息交互处理平台。本文重点研究的异构数据集成系统动态调度优化机制是在数据源的自主性以及数据量不断增加而严重影响系统性能下提出的。以往提出的调度优化机制大多受数据源自主性以及网络的传输速度的影响,所以对系统中大量返回结果提供一种快速而有效的调度机制是当务之急。蚁群算法是一种基于启发式的仿生进化算法。已经在若干领域,特别是组合优化问题中获得了成功的应用。如:TSP、QAP(quadratic assignmentproblem)、job-shop调度等,易于与其它方法结合,其有较强的鲁棒性和自组织性。本文在阅读了大量相关论文基础上提出了一种基于蚁群算法的异构数据集成动态调度优化机制,同时引入了物化策略和分域求解策略。这三者的结合有效地解决了初始化延迟、数据的突发性以及慢传输速率问题,可以独立于系统的其它模块和数据源而自行调度。最后,通过与本文介绍的静态调度优化算法(MST-SO)和一种基于统计推理(Statistical Reasoning)的动态调度优化算法(SR-DD)进行算法性能比较得出,基于蚁群算法的异构数据集成动态调度优化算法ACDSA性能上优异前两者。