近年来,中国的城市化发展迅速,市区路网承载着整个城市的发展,是城市发展的重要一环,交通网络的开发和高效利用是城市发展的关键问题之一。智能交通系统是提高道路利用和解决交通拥堵的有效手段,也是未来城市交通发展的方向。动态路径优化是智能交通中动态路径诱导系统的核心内容,蚁群算法在处理动态路径优化问题时有着天然的优势,具有并行计算、鲁棒性强等优点。首先本文介绍了智能交通、动态路径优化及其优化算法的研究现状,并对基本蚁群算法及其改进算法进行了研究分析,给出了一种具有良好持续搜索能力和收敛性的改进蚁群算法——基于主次种群策略的蚁群算法(Primary And Secondary Population Ant System,简称PASPAS),该算法同时结合了路径交叉变异策略和路径去交叉策略的优势,算法的时间复杂度略有提升,但解的质量和搜索能力有所改善。然后本文使用旅行商问题模型验证PASPAS算法的有效性,分别采用三种不同特点和规模的模型(eil51、att48和rd100)进行仿真,与基本蚁群算法和改进最大最小蚁群算法进行比较,并对PASPAS算法的参数进行仿真讨论,找出合适的参数组合。实验表明,PASPAS算法的搜索性能比较好,算法的收敛速度比较快,平均解的质量也比较高。最后本文根据实际的路网特性建立了简单的动态路网仿真模型,由于算法的复杂度相对于基本蚁群算法有所提升,将PASPAS算法和多线程技术结合,使得PASPAS算法具有真正的并行计算能力以改善算法运行速度,并且根据路网的特点适时引入小窗口策略和参数归一化处理,对改进后的算法进行多次路径寻优仿真。实验表明,在解的质量不变的情况下,算法的运算速度进一步提高。