作为人工智能一个新的分支,蚁群算法以其较强的鲁棒性、优良的分布式计算能力、易于与其他方法相结合的优点受到了越来越广泛的关注;应用涉及到从一维静态问题到多维动态问题。作为多维动态问题的特例网络路由作为互联网的核心,一直受到研究领域的关注:网络路由是指引信息从源节点到目的节点传输所必需的活动,这个问题既重要,又难以解决。Wang Z等证明当网络路由中包含两个以上的限制是,它是一个NPC-C问题。传统的方法很难有效地解决NP-C问题,应用蚁群算法在解决上述问题时可以有效地改善网络路由的质量。用蚁群算法来进行网络路有选择策略进行研究,正是本文的主要方向。由于网络的这些特性,以及真实网络的物理分布性,使得ACO算法在这方面上具有特别的优势。本文首先介绍了蚁群算法的起源和发展、网络路由的相关知识以及设计时的重点和难点;其次根据网络路由的特点,结合蚁群算法对网络路由选择作了一般意义上的优化选择(ACR),并在仿真平台上进行了相关的数据分析和与其它算法进行了比较;接下来我们深入探讨了在面对更加具体和实用的路有策略—Qos路由和拥塞路由时如何应用蚁群算法进行优化,使其具有较强的鲁棒性和较高的寻址效率。本文改进了基于蚁群算法路由选择问题。完成的主要工作包括:通过正向挥发一反向积累的机制的蚁群算法的信息素更细策略,快了收敛速度,增强了蚂蚁探索新路径的能力;同时提出了对于网络路由中路由节点要求的RSVP的不对称性提出了相应的解决方案,使其适应Qos路由;面对拥塞时为了提高了蚂蚁探索新路径的启发策略,应用正态函数进行信息素的挥发策略,确保可以活化蚂蚁探索路径的能力,从而有效地缓解网络拥塞和降低可能出现的拥塞并可以很大程度上的缓解拥塞带来的网络服务质量的降低。实验结果表明以上所涉及的系统改进具有良好的实用性、有效性和鲁棒性。当然目前所设计的系统还有一些需要改进的地方,如加快蚂蚁收敛速度,解决无效蚂蚁存活问题,并行化问题,多路径优化选择方面的问题等。