随着我国经济的飞速发展，汽车数量的快速增长与道路的慢速建设之间的矛盾日益突出，人们越来越感觉到交通的拥挤与出行的不便。道路堵塞、交通事故、环境污染和能源浪费等现象的频发直接制约了我国社会与经济的可持续发展，因此交通管理部门将现代化的计算机技术、通信技术、信息技术以及智能控制技术运用于现代交通管理中，产生了我们称之为智能交通系统的新型交通管理系统。　　最优路径是智能交通系统实施中涉及的一项基本功能，同时也是智能交通系统的一个核心内容。最优路径是在出行者出行前或者出行过程中根据出行的起始点和目标点向出行者提供最佳的路线，从而对出行者的出行行为进行有效的指引以及提供其他丰富的实时交通路况信息，通过指引出行者的行为来改善路面交通系统的交通状况，防止交通阻塞的发生，减少出行者在道路上的行程时间，并且最终实现交通流在路网中各个路段上的合理分配。然而，随着城市路网规模的不断扩大和交通流量的显著增加，传统最优路径算法的性能已经不能满足交通路网动态性的要求。为了满足现代交通路网对最优路径算法的动态性要求，许多学者将人工智能算法中具有自组织特性的蚁群算法引入到这个领域并取得了良好的效果。　　本文在前人研究的基础上针对交通系统最优路径动态性的要求和蚁群算法的特点，给出一种融合信息素更新策略、双种群策略和A*启发式信息的蚁群算法。该算法首先利用A*算法启发策略改进蚁群算法的能见度启发因子，加速蚁群算法的最优解空间的构造提高算法的收敛速度。其次，根据最优路径路段集合与次优路径路段集合之间部分重叠的关系引入遗传算法的双种群策略，利用两个种群信息素分布表的重叠加快关键路径上的信息重叠从而加速关键路径的构造提高算法的收敛速度。再次，利用蚁群系统信息素更新策略的随机扰动性能提高全局搜索能力，使算法获得一个较好的整体性能。最后，本文以广州市交通道路网络为数据进行了算法实验。实验结果表明，本文的改进蚁群算法具有寻优能力强，收敛速度快，参数设置稳定的优点。