针对蚁群算法加速收敛和停滞现象的矛盾,提出一种基于模拟退火机制的蚁群算法.在高温阶段以高的概率接收候选集内较差的解加入更新集,随着温度的降低,路径上的信息素分布趋于集中,可以使算法快速收敛.在温度控制机制上采用回火策略,可以使解的质量进一步提高.在算法中结合30pt局部优化算法可进一步提高算法效率,并证明了该算法以概率1收敛到最优解.数值实验表明:相对于基本蚁群算法,该算法的迭代次数可以节省99%左右,且准确性提高接近1%.