为了解决日益严重的交通问题,综合应用先进信息技术、通信技术、电子控制以及计算机技术的智能交通系统应运而生。最优路径规划问题是智能交通系统中最重要的一类问题,目前一些智能优化算法用来解决该问题,然后依然存在一些不足,针对该问题,本文主要工作包括:首先建立智能交通系统中最优路径规划问题的数学模型,然后应用蚁群算法来求解该优化模型;为进一步高精度求解该优化模型,通过仿真实验研究蚁群算法中参数对最优路径规划问题的解的性能影响;为提高蚁群算法在最优路径规划问题的应用性,结合遗传算法特点,首先应用遗传算法生成初始信息素分布,然后利用蚁群算法进行求解,同时将奖惩机制引入参数选择中,实现相关参数的动态更新;最后,本文对一般路径优化问题进行了数学分析,建立两种经典的VRP数学模型,然后应用改进后的蚁群算法求解该优化模型,最后通过仿真实验验证该方法有效性。