经济的快速发展,促成了物流产业的迅猛前进,物流配送中运输成本的至关重要性使得人们不断寻求节约运输成本的方法,通过配送路线的优化来降低成本的方法理所当然地成为了国内外学者研究的热点问题。蚁群算法是一种仿生算法,是受到生物界中蚂蚁的群体行为的启发并经过进一步研究得到的一种随机搜索方法,它的鲁棒性较强,分布式特征使得算法可靠性和全局搜索能力都较强,而且该算法还易于与其他方法相结合。但是,该算法还存在两个突出的不足之处:搜索时间长、易限入局部最优解。本文通过对蚁群算法进行改进,在此基础上研究了两类不同运输网络下的路径优化问题,主要工作如下:(1)分析了国内外物流配送路径优化问题以及蚁群算法的研究现状,说明了现在物流配送中存在的问题,反映了车辆路径优化问题研究的必要性。(2)介绍了物流配送车辆路径优化问题的定义、分类、常用的求解算法以及本文所建立的配送车辆路径优化模型。说明了蚁群算法的几种经典的改进方式并提出本文的改进策略:对信息素挥发系数和能见度改进,以优化算法的搜索能力,避免产生过早收敛与停滞现象。(3)基于配送运输网络完全连通和不完全连通两类环境进行路径优化研究,对不完全连通网络设定用0-1矩阵来表示节点间的连接关系,使用最短路径算法(Dijkstra矩阵算法)对数据进行预处理,再结合改进的蚁群算法来进行求解,并在Matlab软件平台下通过编程用算例验证了算法的有效性,解决了存在不直接相连的边的网络下的路径优化问题。