تراکم ایجاد تاخیر و پیدایش صف های طولانی در شبکه معابر شهری موجب شده است تا متصدیان امور حمل ونقل در جهت بهره برداری بهینه از سیستم نسبت به کارگیری روش های مدیریتی در شبکه معابر شهری اقدام نمایند. لذا هدف کلی تحقیق را می توان در قالب توسعه استراتژی های موثر مسیریابی به منظور هدایت وسایل نقلیه تعریف کرد. ارزش سویه ها بر روی سویه های شبکه-های حمل و نقل تحت تاثیر برخی از نامعینی ها نظیر تصادفات بشکل پویا تغییر می یابد. لذا بدلیل مشکل بودن محاسبات بهترین مسیر پویا در این وضعیت و نیز غیر کافی بودن مدل های موجود در ادبیات موضوع، پیدا کردن مدل جایگزین برای الگوریتم مسیر یابی یکی از انگیزه های تحقیقات در این زمینه بوده است. در این پایان نامه سیستم هدایت مسیر، از شبکه مورد نظر ، داده های مربوط به معیارهای انتخاب مسیر، ضرایب هر کدام از این معیارها تشکیل یافته است. نکته مهم در اینجا کاربر محور بودن مساله است یعنی راننده با وارد نمودن وزن های دلخواه به هر کدام از معیارهای مد نظر و مشخص نمودن مبدا و مقصد خود می تواند بهترین مسیر را به وسیله عامل های هوشمند مستقر در هر تقاطع که خود به سیستم مرکزی متصل هستند، دریافت نماید. مساله مورد نظر در واقع یادگیری این عامل های هوشمند می باشد. در این پایان نامه از تلفیق دو رویکرد q-learning و antsystem(as)با نام الگوریتم ant-q استفاده شده است. از نتایج مهم تحقیق ارائه شده می توان به معرفی یک مدل ترکیبی بر پایه عامل ها و استفاده از اطلاعات زمان واقعی، حل مدل مساله هدایت مسیر در وضعیت پویا با روش های شبیه سازی، توانمندسازی مدل های یادگیری پیشنهاد شده در ارائه سیاست یا استراتژی انتخاب مسیر در تطبیق با شرایط پویای ترافیکی می-باشد. در پایان می توان به اجرای الگوریتم ها بر روی بخشی از شبکه ترافیکی شهر تهران بعنوان یک نمونه واقعی اشاره نمود.