Dantzig和Ramser于1959年首次提出车辆路径问题(VRP,Vehicle Routing Problem)。近几十年来,无论是国外还是国内,VRP问题都是一个非常活跃的研究领域。优化物流车辆配送路径,不仅能降低物流成本,还能缓解交通压力、减少运输污染和保护生态环境。安排合理的车辆配送路径是配送业务中一项非常重要的工作。本文对一般VRP问题的数学模型进行了分析研究,针对其未考虑参与运输车辆的利用效率的问题,将车辆利用率成本引入到优化函数中,建立了考虑车辆利用率的VRP问题的数学模型。在解决考虑车辆利用率的VRP问题时,采用了仿生学优化算法——蚁群算法(ACA,Ant Colony Algorithm)。根据实际模型,首先将蚂蚁、目的地、路径、路径总长度、信息素、路径期望度这些要素对应到具体模型中;其次,改进了集合tabu的设置,tabu表示蚂蚁不允许选择的客户点集合,本文中集合tabu除经典蚁群算法中所包括的蚂蚁目前己经走过的客户点外,还增加了具体模型的约束条件限制不能访问的三类客户点;并将客户点的货物需求量qi引入到路径期望度参数ηij的计算中,使蚂蚁在选择客户点时,除了考虑优先选择路径最短的客户外,还要优先选择能使车辆总货运量最大的客户;另外,为了增加搜索范围,本文借鉴了蚁群系统(ACS)中所采用的状态转移规则;最后通过具体算例,验证了该改进算法的有效性及稳定性。在理论研究的基础上,设计开发了基于改进蚁群算法的车辆路径问题的实验系统,一方面,便于分析比较算法改进的效果,为进一步改进奠定基础;另一方面,为今后将改进算法应用于实际应用系统的开发,积累经验。