随着经济全球化的不断推进,企业物流活动正经历着由自营向外包的转变。第四方物流（fourth party logistics,4PL)的提出，为物流业的发展提供了新的方向。4PL负责物流资源的功能整合与优化，是物流活动的管理者与监督者。4PL相对于第三方物流来说，规模更大，系统更加复杂，存在的问题也更加多样化，对相关问题的处理算法提出了更高的要求。而在4PL的一系列优化问题中，路径优化问题是较为关键且复杂的问题之一。
　　论文首先讨论了第四方物流的现状以及存在的路径优化等问题，针对粒子群优化算法（Particle Swarm optimization，PSO）在求解大规模组合优化问题中存在的弱点，提出了一种改进的算法AEPSO-SA。针对串行算法求解大规模路径优化问题存在的规模限制或速度问题，基于OpenCL并行计算架构，实现了AEPSO-SA算法的GPU并行算法,在提高求解精度的同时也加快了求解的速度。具体工作包括：
　　（1）深入研究了PSO算法并对算法进行改进，提出了AEPSO-SA算法。首先,根据粒子与全局最优解的距离不同对粒子进行分类，不同类的粒子设定不同的惯性权重，以此增加粒子的多样性，并用四个经典函数测试了改进后的算法性能。其次，针对PSO算法局部搜索能力的不足，在算法中融合了模拟退火算法的局部搜索策略,当算法经过多次搜索都无法找到更优解的情况下，对粒子的个体最优解的邻域进行搜索。最后用实验验证算法的性能，与惯性权重线性递减PSO算法和模拟退火算法相比较，拥有更高的求解精度。
　　（2）研究了在OpenCL架构下，利用GPU实现程序并行化。对AEPSO-SA算法进行了可并行性分析，并针对 AEPSO-SA算法的特点设计和实现了基于 OpenCL的并行AEPSO-SA算法。
　　（3）把基于OpenCL的并行AEPSO-SA算法用于物流配送中的路径优化问题。通过测试证明当节点规模增大时，需要在算法中设定更多的粒子才能保证求解的质量。设定更多粒子在提高求解精度的同时，也使算法耗费更长的计算时间，而使用并行的AEPSO-SA算法则可以缩短求解时间，对于解决大规模的路径优化问题具有良好的效果。