物流配送是物流活动中直接与消费者相联系的环节。在物流的各项成本中,配送成本占了相当高的比例。配送中车辆路径的合理与否对物流配送服务水平、成本和效益影响很大。采用科学、合理的方法来进行车辆路径的优化,是物流配送领域的重要研究课题。其中尤其是带时间窗的物流配送车辆路径优化问题(Vehicle Routing Problem with Time Windows ,VRPTW)更是当前研究的重点。带时间窗的车辆路径问题计算复杂,属于NP-hard问题。本文研究了带时间窗的车辆路径问题模型的构建,引入了蚁群算法(Ant System,AS),将其进行了改进,并成功运用于求解带时间窗的车辆路径问题。蚁群算法存在搜索时间比较长,容易出现停滞现象且存在陷入局部极小可能性的缺陷。本文针对蚁群算法的不足,分别通过对初始解的启发、信息素更新策略的选择和状态转移概率的改进,对蚁群算法进行了改进;并采用Solomon问题中R101作为实例数据基础,采用面向对象的C++语言编写了计算程序,对改进蚁群算法进行了计算验证,证实了该算法可行性和有效性;同时对部分Solomon数据进行了多次验证,结果表明改进蚁群算法与其它启发式算法相比具有优越性;最后对改进蚁群算法中的各项参数进行了对比分析,探讨了所用参数的最优组合。