联盟运输调度问题(Allied Vehicle Routing Problem,AVRP)是物流联盟架构下的运输调度的最优化,具有重要的理论意义和应用价值。　　 本文对基本的联盟运输调度问题进行扩展,研究了带配送中心选址的联盟运输调度问题。本论文针对几种不同类型的带配送中心选址的联盟运输调度问题进行了建模、蚁群算法的设计和数值实例验证。所做的主要工作如下:　　 1.建立了带单配送中心选址的AVRP数学模型,设计了一种改进的蚁群算法。该算法采用随机性选择和确定性选择相结合的状态转移规则,结合重定位法和2.opt法对线路进行局部的改进,扩大了蚂蚁的搜索空间,有效的避免了算法陷入局部最优。　　 2.建立了带多配送中心选址的AVRP数学模型,提出了一种自适应的改进蚁群算法。该算法在综合考虑路径长度、信息量、车辆容量约束、车辆容量利用率等因素对客户选择的影响的基础上,对状态转移规则进行了改进,并对信息素及其挥发因子进行了自适应的调整,有效的克服了基本蚁群算法的缺陷。　　 3.建立了带配送中心选址的,同时考虑中转的AVRP的数学模型。提出了一种混合蚁群算法。该算法将遗传算法引入到蚁群算法的每一次迭代中,加快了蚁群算法的收敛速度。由于遗传算法的交叉算子和变异算子的引入,混合算法也有效地避免了蚁群算法陷入局部最优的缺陷。　　 4.提出了一种新的求解AVRP的并行蚁群算法。研究了一种基于粗粒度模型的主从式并行蚁群优化算法,采用“雇主/工人”同步范式,将联盟运输调度中心服务器设为雇主机器人,将各联盟成员运输调度系统设为工人机器人。分别设计了雇主与工人的算法步骤,同时引入遗传算法中的交叉和变异机制,以扩大并行蚁群算法的搜索空间,避免算法陷入局部最优,同时提高了算法的搜索速率。　　 最后对论文进行了总结与展望,归纳了本文的收获与成果,对需要进一步探讨的问题进行说明。