随着世界经济发展的相互渗透、高度融合,国家之间、不同的区域之间的相互合作贸易往来越来越多,同时伴随着互联网经济在经济增长中所占的比重日渐增加,当代经济的发展已经进入了一个全新的时代即物流时代。物流运输的合理规划、科学发展为经济增长创造了新的利润空间,同时随着全球物流技术的不断研发与进步,我们将迎来智能物流的新时代。那么实现物流智能化、科学化要解决的首要问题就是车辆路径优化问题(VRP)在配送当中的应用。对VRP问题的合理优化能提高物流运输效率、减少运输成本、增加经济效益,对整个物流运输安排是至关重要的。因此本文着重研究了物流配送中车辆路径规划问题即智能算法求解VRP问题。本文首先对车辆路径问题进行了系统的研究,建立了标准车辆路径问题模型,并对目前实际应用中出现较多的较为复杂车辆路径问题进行了总结;其次,分别对蚁群算法和粒子群算法求解车辆路径问题进行了改进研究。第一蚁群算法已被证明是一种很有发展前景的求解复杂优化问题的方法。但必须指出,作为一种全局搜索算法,蚁群算法虽然可以模拟蚂蚁觅食行为,逐步找到问题的最优解,有效地避免局部最优,但是仍然存在不足之处,如搜索时间过长、对参数敏感、收敛速度慢等。因此对蚁群算法求解车辆路径问题本文提出了两种改进思路,首先提出了一种基于遗传算子的改进蚁群算法,结合遗传算法的优点对每代蚁群执行交叉和变异操作,并根据模拟退火算法的Metropolis准则,以概率接受新个体,最后利用此算法求解VRP问题的特例TSP问题以验证算法改进效果。在此基础之上通过对蚁群算法进一步的研究发现蚂蚁在寻优过程中可以根据不同的目标作为路径选择依据而采取不同的行为方式,并可以据此进行分组寻优,于是提出了一种基于混合行为的改进蚁群算法,设计了4种具体的蚂蚁行为,选择不同的蚂蚁行为方式来组成不同的改进算法并应用于车辆路径问题求解;第二粒子群算法是一种较新的迭代优化算法,一方面其规则简单、参数少、收敛速度快但另一方面却易早熟、局部搜索能力不足、易偏离最优解等。因此本文提出一种基于微粒间相互作用的改进粒子群算法,在粒子群中加入领域拓扑结构,引入轻子、强子的概念,轻子根据个体极值和群体极值来变换速度和位置,而强子通过与全局最优粒子碰撞来改变速度和位置。当算法陷入停滞时,通过粒子衰变作用来增加种群多样性,并利用Matlab进行车辆路径问题仿真实验。最后,总结本文研究的不足之处为未来进一步深入研究打下基础。