作为群体智能的一种典型实例，蚁群算法受到越来越多的关注。它是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法以后的又一种应用于组合优化问题的启发式搜索算法。蚁群算法不仅能够实现智能搜索、全局优化，而且具有稳健性(鲁棒性)、正反馈、分布式计算、易与其它算法结合等特点。因此，蚁群算法已成为当前群智能领域中最令人感兴趣的研究课题之一。目前蚁群算法的研究尚未成熟，作为一种新兴的智能优化算法，它存在算法自身求解速度缓慢、容易陷入局部最优等缺点。针对这些缺点，本文对蚁群算法基本理论进行了深入分析，对蚁群算法近年来的研究进展进行了归纳总结，并对不足之处进行了深入的分析。通过实验验证蚁群算法的各个参数对算法性能的影响，给出了蚁群算法中各参数的理想取值。在深入研究目前各种蚁群算法的改进模型基础上提出了一种基于反序-杂交算子的改进蚁群算法。利用反序-杂交算子在产生后代时能跳离局部最优值，并且使算法具有自适应性的优点对蚁群算法进行了有效改进，增加了局部解的个数，从而扩大了最优解的选择范围。实验结果表明，本文提出的改进算法，加速了最优解的收敛速度，改善了最优解的质量，从而大大提高了蚁群算法的性能。