车辆路径问题是供应链研究的一项重要内容，是运筹学中的NP难题。粒子群优化算法是一种利用群智能技术的进化算法，种群内社会信息的共享使粒子群算法拥有很好的进化优势，粒子通过跟踪个体极值（单个粒子所经历的最优解）和全局极值（整个种群经历的最优解）来进行寻优，具有很高的搜索效率；模拟退火算法模拟金属冷却过程，使用概率来避免陷入局部最优。本课题将粒子群优化算法与模拟退火算法结合，提出了一种求解车辆路径问题的混合粒子群算法。通过实例计算及与遗传算法的比较，得出结论：应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解，是一种求解离散组合优化问题的有效方法。 本课题将VRP分解为两个子问题：（1）任务分配问题，即把所有发货点任务分配给可供选择的车辆；（2）路径优化问题，也就是旅行商问题，对每辆车所走的路径进行优化，以达到整体路径最短。应用粒子群算法进行任务分配后，用模拟退化算法进行路径优化，两次优化运算独立，根据其并行性，本课题设计了并行混合粒子群算法并用MPI实现了消息通讯。