现代物流业正朝着大型化、综合化和信息化的方向发展,车辆路径问题作为其中的关键一环也将变得更加复杂,而传统优化算法在解决这类大规模复杂问题时,存在收敛速度过慢和容易陷入局部最优的缺陷,因此研究新算法对于求解车辆路径问题、发展物流业具有重要意义。本文在深入分析车辆路径问题和伊藤算法的基础上,提出了改进伊藤算法用于求解带容量约束的车辆路径问题。在实际应用方面,本文根据自动售货机的运营经验,开发了相应的货物配送系统。本文的主要工作如下:(1)研究分析了群智能算法的一般特性,对比分析了伊藤算法、蚁群算法和粒子群算法的基本原理、关键算子的设计以及它们在车辆路径问题中的应用,说明了伊藤算法存在的优势。(2)根据伊藤算法在迭代过程中逐步收敛的特性和粒子实际运动过程的特点,结合算法的波动算子和漂移算子设计了路径权重的更新规则;引入节约法并结合路径权重和距离启发因子,改进了伊藤算法选取客户节点的决策规则,设计了节点选取概率公式的参数随算法迭代过程动态变化;通过增大波动系数,提高环境温度,应对伊藤算法在迭代过程中出现搜索停滞,陷入局部最优的现象。(3)将改进后的伊藤算法用于求解带容量限制的车辆路径问题,并且与其它典型群智能算法得出的仿真结果进行了对比,结论显示改进后的伊藤算法明显优于其他算法。(4)开发了自动售货机的货物配送系统,将改进后的伊藤算法用于配送路线规划。采用Java开发了系统的服务平台用于规划配送车辆的行车路线和监控自动售货机的实时运行状态,基于Android开发了自动售货机运营App用于查看系统规划的行车路线和自动售货机的工作状态。