针对蚁群算法搜索空间大、收敛速度慢、容易陷入局部最优等缺陷，提出一种基于动态凸包引导的偏优规划蚁群算法。改进后的算法动态控制蚂蚁的待选城市范围，有助于在跳出局部最优并向全局最优逼近的基础上减少蚂蚁搜索空间；同时，引入延陷漂流因子和基于待选城市构建的凸包来干预当前蚂蚁的城市选择，增加算法前期解的多样性并提高蚂蚁的偏优规划能力；再利用局部与整体相结合的完整路径信息、凸包的构建信息来协调信息素的更新，引导后继蚂蚁路径偏优规划，提高算法的求解精度；设计具有收敛性的信息素最大最小值限制策略，既加快算法的求解速度又避免算法过早停滞；最后在4种经典TSP模型上应用改进后的算法。仿真结果表明，所提算法在求解精度和收敛速度等方面均有显著提高，且具有较好的适用性。
