QoS(Quality of Service)组播路由技术不仅能为实时多媒体应用的服务质量提供保证，还能够优化网络资源，目前已成为网络通信技术中的研究热点。近年来，为了解决组播路由问题，许多专家学者提出了各种不同的启发式算法。由于带约束的组播路由问题属于NP-Complete问题，这给算法研究带来了很大的阻碍。目前，智能优化算法发展迅速，此类算法具有不依赖对象模型，复杂度低且灵活性好等优点，使得它在许多应用领域都取得了成功，同时也成为解决QoS组播路由问题的主流算法。本文在前人工作的基础上，对基于智能优化的QoS组播路由算法进行了深入的研究。研究内容总结如下：　　 首先，针对QoS组播路由问题，提出了一种新型混沌蚁群优化算法，算法利用混沌搜索来优化蚁群算法中的五个参数以获得更好的参数组合。为了验证算法的有效性，在不同约束条件以及不同规模的网络下将新算法与基本蚁群算法进行了性能对比，实验结果表明基于混沌搜索的蚁群算法就有更好的寻优性能。　　 其次，利用差分进化算法来解决QoS组播路由问题，通过大量仿真实验，分析了差分进化算法中主要参数对算法成功率及收敛时间的影响。尽管差分进化算法在整体上有着一定优势，但随着网络节点数的增多，也容易出现早熟收敛的现象，为了进一步巩固差分进化算法在组播路由问题中的寻优性能，采用了一种双种群差分进化算法来解决该问题。最后实验结果表明，该算法能够更好解决QoS组播路由问题。　　 接着，提出了一种基于树形结构的差分进化算法。针对树形编码的差分进化算法，设计了相应的变异，交叉操作。在实验仿真中，将树形差分进化算法与树形结构的其他几种群智能算法相比较，树形差分进化算法在收敛速度，寻优能力方面占据一定优势。　　 最后，为了弥补基本自由搜索算法存在的不足，提出了一种双种群自由搜索算法，算法在原有种群基础上引入了一个辅助种群，用来保留搜索过程中被丢弃的次优解，同时允许在次优解附近搜索更好的解；另外，算法引入了可变邻域搜索半径和精英保留策略。为了测试新算法的寻优性能，采用了三种不同类型的基准函数将新算法与基本自由搜索算法进行了对比。测试结果证明了新算法具有更高的搜索精度和鲁棒性。在QoS组播路由应用中，提出的双种群自由搜索算法在收敛速度、寻优成功率方面均具有较好的表现。　　 本文的创新工作主要体现在以下几个方面：　　 (1)提出了一种新型混沌蚁群优化算法，并将该算法应用到了QoS组播路由问题中。　　 (2)将差分进化算法用于解决QoS组播路由问题，另外，还采用了一种基于双种群的差分进化方法来解决同一问题。　　 (3)针对QoS组播路由问题，提出了一种基于树形结构的差分进化算法。　　 (4)提出了一种基于双种群的自由搜索算法，并将该算法应用到了QoS组播路由问题。