伴随着现代物流技术的飞速发展，物流在未来的市场竞争中，将突显其无可替代的重要作用。物流活动中不可或缺的内容、电子商务活动的关键环节—车辆路径问题（VRP），直接影响服务水平和配送成本。为了实现科学的物流，提高企业的经济效益，优化车辆路径这是必要的。　　本文在全面、细致介绍物流配送中车辆路径问题相关知识的基础之上，分析了国内外相关问题的研究现状，研究了传统的针对此类问题求解的智能启发式算法。在此基础上针对这些算法的不足之处加以改进。论文的主要研究内容如下:　　(1)研究了用传统的遗传算法求解典型的VRP问题，在传统遗传算法的基础上加入隔离小生境技术、模拟退火等思想改进遗传算法，并用此解决VRP问题。这一算法既保持了种群的多样性，又达到避免运算陷入局部最优的目的。它的实用性和有效性通过实例得到验证。　　(2)针对一般的确定性VRP问题，研究了运用传统免疫算法求解的过程。在遗传算法中加入免疫算子形成的免疫遗传算法，并用实例验证了该算法的优越性。这种将多种算法取长补短进行融合，是解决实际问题的一种有效、可行的方法。　　(3)针对有时间窗的确定性VRP问题中约束条件多的特点，在免疫算法中加入记忆机制改进免疫算法。通过算例验证此算法能有效地解决有时间窗的确定性VRP问题。　　(4)针对不确定性VRP问题，引进利用混沌神经网络模型求解的方法，使不确定性VRP问题能得到有效解决，并通过算例与模拟退火和神经网络算法进行比较。比较结果表明CNN比SA和HNN算法解决不确定性VRP问题更有效。