蚁群算法是模仿自然界的蚂蚁行为而发展起来的一种随机搜索方法,它利用信息素作为媒介进行间接的信息传递,蚂蚁根据信息素的强度做出对较优解的判断选择。具有分布式并行计算机制、正反馈、易与其他方法结合、以及较强的鲁棒性、易获得全局最优解等特点,已经被广泛应用于车辆工作调度、装填、覆盖、大规模集成电路布线、旅行商等多个经典组合优化问题,取得了很好的效果。目前已逐步成为优化理论、信号处理等学科的热点研究课题。但存在搜索时间长、收敛速度慢、易收敛到局部最优解等缺点,从而使其进一步推广应用受到限制。本文所做的主要工作:1.简要讨论了蚁群算法研究的目的与意义,综述了改进蚁群算法的研究现状及其应用领域,分析了蚁群算法的基本原理和特点,提出了进一步研究的方向。2.研究了利用模拟退火算法对蚁群算法进行改进的原理和过程,新算法防止了过早陷入局部最优解,在开发最好解和探究搜索空间上找到了平衡点。并将获得的模拟退火蚁群算法应用到车辆路径优化中。计算机仿真表明,新算法的优化质量优于传统蚁群算法。3.分析了传统恒模盲均衡算法的基本原理和算法形式,将改进的蚁群算法用于恒模盲均衡算法,设计了代价函数,推导了算法形式,得到一种新的基于改进蚁群算法的恒模盲均衡算法。经计算机仿真表明,新算法的收敛性能得到一定改善。