自然界里蚂蚁、蜜蜂等，虽然他们个体的智能并不高，却表现出很高的群体智能。群体智能起源于科学家对群居性昆虫的观察和研究。群体智能是指任何启发于群居性昆虫群体和其它动物群体的集体行为而设计的算法和分布式问题解决装置。群体智能以其简单性、灵活性、分布性、健壮性在组合优化问题、知识发现、通信网络、机器人等研究领域显示出巨大的潜力和优势，并推动复杂科学的发展。蚁群算法是一种新型仿生类进化算法，是继模拟退火、遗传算法、禁忌搜索等之后的又一启发式智能优化算法。蚂蚁有能力在没有任何提示下找到从巢穴到食物源的最短路径，并且能随环境的变化，适应性地搜索新的路径，产生新的选择。根本原因是蚂蚁在寻找食物时，能在其走过的路上释放一种特殊的分泌物—信息素，随着时间的推移该物质会逐渐挥发，后来的蚂蚁选择该路径的概率与当时这条路径上信息素的强度成正比。当一条路径上通过的蚂蚁越来越多时，其留下的信息素也越来越多，后来蚂蚁选择该路径的概率也越高，从而更增加了该路径上的信息素强度。而强度大的信息素会吸引更多的蚂蚁，从而形成一种正反馈机制。通过这种正反馈机制，蚂蚁最终可以发现最短路径。蚁群算法由意大利学者M.Dorigo等人首先提出，并成功地应用于求解TSP、二次分配、图着色、车辆调度、集成电路设计及通信网络负载等问题。蚁群算法从提出到现在，短短十余年的时间，以其在离散型组合优化问题中的突出表现，吸引了人们的极大关注。论文研究了群体智能的多个模型，研究的目的，一方面是探索和验证群体智能在解决分布式问题方面的特性，另一方面是拓宽群体智能的应用领域。文章的研究工作主要包括以下几个方面：(1)蚁群算法的研究。提出一种求解TSP问题的分段交换蚁群算法。分段交换蚁群算法把小窗口、随机分段优化求解、模拟退火充分交换的思想引入蚁群算法，把蚁群算法和模拟退火算法融合。该算法在蚁群算法陷入局部最优解的情况下，能改进其局部最优解，并可减少迭代次数。(2)蚁群算法应用于0-1背包问题的研究。0-1背包问题是典型的NP完全问题，且蚁群算法已成功地解决了许多组合优化的难题。因此，文章介绍一种基于蚁群算法求解0-1背包问题的算法，并对此算法进行优化，提出一种求解0-1背包问题的快速蚁群算法。当物品数较大时，也取得了较好的求解质量。(3)蚁群算法应用于圆排列问题的研究。本章提出一种求解圆排列问题的快速蚁群算法。优化后的该算法，大大减少了蚁群算法的搜索时间，有效改善了蚁群算法易于过早地收敛于非最优解的缺陷。(4)改进蚁群算法及两类应用模型的研究。论文通过改变概率的计算时机，按“概率之和为u的轮盘赌”方式选择下一个元素，基于模拟退火的分段交换优化当前最优解，对基本的蚁群算法进行改进，提出一种改进的蚁群算法。文章还对蚁群算法解决组合优化问题进行总结，提出了蚁群算法的两类应用模型。(5)基于群体智能求解N后问题的研究。文章提出一种求解N后问题的蚂蚁模型算法，它受启发于群体智能的蚂蚁算法和多Agent系统，又吸收了回溯算法的优点。该算法是一种随机搜索算法，从根本上改变了回溯算法的系统地搜索机制，避免了大量的冗余搜索，又保证了必要的搜索。在求解N后问题的第一个解时，大大减少求解时间和求解步数，当N较大时，也可得到较好的求解效果。