旅行商问题一直是运筹学领域组合优化问题的热点研究领域,研究旅行商问题具有重要的理论与应用价值。而启发式算法是求解路径优化相关问题的有效算法,同时也是该领域研究的热点。对现有的启发式算法进行改进,可以有效提高求解旅行商问题的效果。另外,入厂物流问题作为旅行商问题的基于实际情况的衍伸,对其进行求解,能够为实际的区域规划带来理论指导与证据支撑。本文首先对旅行商问题及其求解算法的研究背景与研究意义进行介绍,介绍了m-n入厂物流的研究背景、意义及研究现状,同时还对求解旅行商问题的启发式算法的国内外研究现状进行了回顾,总结前期研究仍存在的问题以及本文研究的创新点。针对研究的不足之处,本文首先对旅行商问题与入厂物流问题进行了详细介绍,并对求解此类问题的常用的启发式算法进行了回顾。随后,本文提出了基于模拟退火算法、禁忌搜索算法的混合人工蜂群算法,并求解旅行商问题。本文创新性地将交叉操作与动态邻域2-opt作为局部搜索策略分别应用到雇佣蜂阶段与观察蜂阶段。通过运行TSPLIB中标准的benchmark问题测试该算法的求解性能,并于类似的种群类智能算法对比,表明该算法具有显著的优越性。另外,考虑国内实际情况,提出旅行商问题衍伸的基于实际的m-n入厂物流问题,并建立非线性规划模型,通过设计启发式算法进行求解,证明对m-n入厂物流运输方案进行合理规划可以有效提高车辆的满载率,减少运输车辆数并有效降低运输费用。最后,对本文进行总结并提出未来研究方向。