蚁群算法是由意大利学者M.Dorigo,A.Colorni等人受到蚂蚁觅食行为的启发提出的一种可以解决组合优化问题的模拟进化算法。他们充分利用蚁群搜索食物的过程与旅行商问题(Traveling Salesman Problem，简称TSP)之间的相似性，通过人工模拟蚂蚁搜索食物的过程中利用个体之间的信息交流与相互协作最终找到从蚁穴到食物源的最短路径的原理解决了TSP问题，取得了很好的结果。由于该算法采用了正反馈并行自催化机制，具有较强的鲁棒性、优良的分布式计算机制、易于与其它方法结合等优点,所以在解决许多复杂优化问题时展现出其优异的性能。但是，蚁群算法仍然存在一些缺陷：与其它方法相比，该算法一般需要较长的搜索时间，而且容易出现早熟和停滞的现象。　　在详细分析了基本蚁群算法及综述了当前国内外蚁群算法研究现状的基础上，本文重点研究了蚁群算法容易出现早熟和停滞的原因。分析了算法在路径选择机制和信息素更新机制方面不足的原因后，针对蚁群算法在信息素和状态转移概率选取方面做了改进，提出了加权值的蚁群算法。加权值的蚁群算法采用数量级形式的选择概率和加权值的信息素更新方法，同时对算法中的参数进行了合理的设置。新算法有效地避免了蚁群算法容易出现早熟和停滞的现象，最后以TSP问题为例进行了仿真实验，验证了参数设置的合理性，说明了改进算法的优越性。