针对传统蚁群算法在初始阶段由于信息素分布不均而导致路径选择概率随机性高和搜索速度慢等缺陷，设计了一种混合参数的改进蚁群算法。在算法开始时，引入遗传算法来改进遗传算法的适应度功能。设置评价点使遗传算法在正确的时间进入蚁群算法，并对算法的信息素挥发因子p采用自适应调整方法。采用遗传算法的交叉率和变异率以及蚁群算法的信息因子和期望因子，混合变异参数，发挥算法中四个参数因子的优势。设置一个评价点路径进化率落后于蚁群算法，以确定是否再次运行，从而使蚁群算法跳出局部优化。最后，该算法引入了B样条曲线平滑机制。实验结果表明，改进后的算法显著减少了在简单和复杂环境中发现的路径长度和路径转弯次数，并且比其他三种算法更快、更准确地找到全局最优解。