公(铁)路建设项目在我国处于蓬勃发展期,国家每年大量投资用于此类建设,而设计的前期工作——选线设计是首先要解决的问题,是勘测设计中决定全局的重要工作。路线空间位置的好坏直接影响项目的投资、运营、社会和环境保护等方面。传统方法一般是在人工反复比选后才能确定路线走向、线位和线形的几何参数,而现代的公路、铁路设计不仅要提高选线的质量,还要提高选线的效率,这对现有的路线设计理论和方法提出了进一步的要求。群智能优化算法是一种近年来新兴的优化方法,是受到关注最多的优化研究领域之一,其主要通过社会性动物的各种群体行为的模拟,以达到群体中的个体之间的信息交互和合作来实现寻优的目的。与其它类型的优化方法相比,其实现较为简单、效率较高。尽管对群智能优化的研究已经取得了一定的成果,但是从整体上来说,这一新兴的领域仍然处于开放状态,如何进一步提高寻优效率,如何将具体问题与算法有机的结合等尚有待进一步研究。本文以自动选线及相关问题为背景,开展群智能优化算法中的蚁群优化及粒子群优化方法在交通选线中的应用研究。主要开展了以下方面的研究：基于蚁群算法的纵断面优化研究、智能计算方法改进的研究、空间选线方法的研究和土石方调配方法的研究。主要研究成果及创新点如下：在蚁群算法的纵断面优化研究方面：主要针对当前大多纵断面模型不能直接实现自动确定变坡点的问题,建立了离散的纵断面优化算法模型,并采用基本的蚁群算法进行求解,解决了合理的坡段数、坡长和变坡点标高的自动确定问题。在智能计算方法改进的研究方面,主要进行了两种算法的改进研究：(1)为解决较大空间的离散域优化问题,通过将局部更新规则、最大最小蚂蚁和精英蚂蚁策略综合,并将确定性选择和随机性选择相结合对蚁群算法进行改进,研究了算法涉及的信息素更新机制、选择机制及候选集构造等相关问题。(2)针对选线走向优化设计中的连续域优化问题,研究了粒子群算法。为提高粒子群算法在多维变量、多约束条件的复杂条件下的全局搜索能力,提出了在算法中嵌入局部探测和转轴机制的基于Rosenbrock思想的改进粒子群算法,通过大量实验,验证了算法性能得到改善。在计算机空间选线方法的研究方面,为了提高计算效率和改善搜索的全局性能,将路线线形及线位设计分为三维空间走廊线搜索和三维空间线形定位两个阶段。前者着重于发现路线的概略位置,后者着重于局部线形及参数的计算。第一阶段的研究中：(1)提出了基于三维空间网格的轴层模型,使搜索空间与选线空间一致,改进了传统的基于平面网格搜索走廊线的计算模型；(2)提出了基于蚁群算法的三维轴层结构的路线走向(走廊线)构建方法,通过候选集策略实现了大规模离散空间的搜索,并实验验证了基于此网格空间搜索的可行性。(3)为解决搜索中的相关费用计算问题,提出了将数字地价模型和三维轴层结构相结合的策略。第二阶段的研究中：(1)提出了在三维连续空间中三维线形的平纵面同时优化模型,实现了线形参数和线位的优化。(2)实验验证了改进的RPSO粒子群算法在多维、多约束的复杂三维空间中搜索的有效性,并显示了基于数字地面模型的优化计算效率。最后,为将土石方调配中的非线性因素纳入目标,利用土石方累计曲线的同层调配思想,提出了土石方调配的离散模型,并作为改进的蚁群算法的应用。