随着我国经济和电子商务行业的强劲发展,物流行业也随之取得了广阔的市场。尽管如此,我国目前的物流行业仍处于发展的初级阶段,物流服务效率偏低、运输成本过高。如何以科学合理的方式规划配送车辆的行驶路线,实现高效率、低成本的物流运作是当前学者们研究的重点。本文主要求解带时间窗车辆路径问题(VRPTW),以车辆最大载重和时间窗为约束条件,最小化物流运输中的总费用。由于VRPTW问题属于NP-Hard问题,用传统启发式算法和精确算法求解,计算时间会随着问题规模的扩大呈指数级增长,难以在有限时间获得较优的解。因此,亟待寻找有效求解复杂VRPTW问题的新方法。群智能优化算法是模拟生物进化或觅食行为的新型算法,如鲸鱼算法、蝙蝠算法等,这些算法致力于在合理时间内求得近似的最优解,具有收敛速度快、搜索能力强等特点。因此,群智能优化算法被越来越多的应用在求解VRPTW问题中,本文主要围绕求解VRPTW问题的改进鲸鱼算法进行了深入研究,具体研究内容如下:1.针对标准鲸鱼算法求解VRPTW问题容易导致种群多样性减少的缺点,设计了一种基于K-means的离散鲸鱼算法(K-DWOA)。该算法首先利用基于距离代价函数的K-means算法在车辆最大载重的限制下,根据客户位置的不同将其划分到不同配送区域,提高了初始种群的质量,加快了算法的收敛速度;其次,为了更符合求解VRPTW问题的需求,同时为了提高算法的局部搜索能力,本文采用随机交换、反转、插入策略来重新定义鲸鱼算法的更新规则;最后,通过Solomon标准测试集进行仿真实验,将获得结果与其它算法的实验结果进行对比分析,验证提出算法的有效性和可行性。2.在基于K-means的离散鲸鱼算法的基础上,引入贪心选择策略,提出了一种基于贪心选择原理的改进离散鲸鱼算法(GS-IDWOA)。该算法引入等待时间因素和启发信息因素来设计转移概率的计算公式,通过转移概率来选择合适的路径,更好的调控了个体在搜索空间的移动方向;为了提高算法的求解精度,通过比较客户点之间转移概率的大小,来选择合适的插入、反转、交换位置,使个体可以更快的向最优解的位置靠拢;并引入随机交换搜索、2-opt和3-opt相结合的邻域搜索策略对每次迭代过程中得到的最优解进行变异操作,扩大算法的搜索空间,提高了算法跳出局部最优的能力;最后,通过Solomon标准测试集进行仿真实验,将获得结果与其它算法实验的结果进行对比分析,验证提出算法的高效性和稳定性。