提出一种基于抗体片段局部最优搜索的克隆选择和蚁群自适应融合算法. 引入混沌扰动来增加抗体种群的 多样性, 以提高蚁群算法的搜索能力; 利用克隆扩增、免疫基因等相关算子的操作, 增强了克隆选择算法搜索的效率;通过自适应控制参数, 实现了克隆选择与蚁群优化的有机结合及局部最优搜索策略的应用, 加快了收敛速度, 克服了抗体种群“早熟”问题, 提高了求解精度. 仿真实验结果表明, 该算法具有可靠的全局收敛性, 较快的收敛速度.

围绕蚁群优化算法的理论及应用，针对蚁群算法在TSP规划中求解能力不足的难题，运用了一种基于自适应的蚂蚁算法，并对TSP规划进行了设计。为了提高路径规划的效率，将自适应与传统的蚂蚁算法相结合形成了自适应蚁群算法。仿真实验结果表明，改进后算法能够在较短时间内找到全局最优路径，相对于基本的蚁群算法在收敛速度、搜索质量和局部寻优方面都有了明显的提高。