自从群体智能的概念提出来以后,很多相应的智能方法和智能算法被陆续提出,并把它们应用在了很多经典算法不能解决的问题当中。通过实际的应用和实验的结果来看,很多群智能算法能够很好地解决一些特定问题,而且最终的结果也很令人满意。蚁群算法作为群智能算法的代表,成为研究的热点。本文从蚁群觅食行为的策略出发,对蚁群觅食过程进行了形式化建模,通过模型的求解从理论上给出了各个参数和系统行为之间的量化关系。接着,通过实验分析了食物源的不同分布对群体行为的影响。而通过对群体数量、信息素的挥发速度的分析,可以了解到群体规模同系统的性能具有幂指数关系。增加群体规模对系统性能有明显的提高,并论证了这种量化关系可以直接为蚁群优化算法的改进提供理论和实验支持。本文以TSP问题为例进行对前面提出结论的研究。首先,介绍了蚁群算法求解TSP问题的规则和形式化描述。接着根据本文所给出的蚁群觅食模型的分析结果,对基本的蚁群算法进行了改进。根据挥发效应和群体规模参数的实验结果,设计了通过引入记忆机制和信息传递蚂蚁来改进蚁群算法性能的算法。最后,本文对形式化的模型和改进的蚁群算法都进行了验证,证明了理论分析和相应改进的正确性。