در دنیای امروز اهمیت استفاده از اینترنت و شبکه های کامپیوتری بر کسی پوشیده نیست. کاهش هزینه و صرفه جویی در وقت از مهمترین مزایای این تکنولوژی است. در این میان، انتقال داده ها بین مبدأ تا مقصد از یک مسیر بهینه اهمیت ویژه ای دارد. این عمل مسیریابی نامیده می شود. مسیر بهینه از دو جنبه قابل بررسی است.هم کوتاهترین مسیر از مبدا تا مقصد و هم زمان انتقال در این مسیر. برای یافتن یک مسیر بهینه روش های متفاوتی تعریف شده است. ما در این پایان نامه برآنیم تا با استفاده از الگوریتم های هوش مصنوعی بهبودی در سرعت انتقال داده ها ایجاد کنیم. به همین منظور می خواهیم از سه الگوریتم تکاملی که از طبیعت الهام گرفته شده اند، استفاده نموده تا مسیری بهینه را برای انتقال داده ها در یک شبکه کامپیوتری پیدا کنیم. در این پایان نامه عملکرد الگوریتم های ژنتیک ، انبوه ذرات و کلونی مورچگان برای یافتن مسیر بهینه با هم مقایسه می شوند. در هر مرحله از اجرا، همواره الگوریتم بهینه سازی کلونی مورچگان کوتاه ترین مسیر را کشف می کند ولی زمان اجرای آن چندین برابر دو الگوریتم دیگر است. الگوریتم ژنتیک در کمترین زمان به نسبت دو الگوریتم دیگر مسیری را به عنوان مسیر بهینه معرفی می کند ولی از آنجاییکه در بهینه ی محلی گیر می کند مسیر درستی را نشان نمی دهد. الگوریتم بهینه سازی ازدحام ذرات هم زمانی نسبتاً مناسب دارد اما مسیر درستی را نمایش نمی دهد. در همین راستا الگوریتم جدیدی را ارائه داده ایم که در آن دو الگوریتم کلونی مورچگان و ژنتیک با هم ترکیب شده اند. این عمل باعث شده تا الگوریتم حاصل نتیجه ی متعادلی ایجاد کند. زمان اجرای این الگوریتم به نسبت الگوریتم کلونی مورچگان بسیار بهتر است و نیز مسیری که بر می گرداند از مسیر به دست آمده در الگوریتم ژنتیک مناسب تر می باشد.