车辆路径优化问题(Vehicle Routing Problem, VRP)在现代物流、交通规划、通讯工程和计算机应用等领域都有广泛应用。VRP也一直是运筹学、图论、应用数学、仿真学和计算机科学等众多领域研究人员的重点关注问题,并取得了一定的理论和应用成果。但是如何在大规模VRP中使用较短时间找到最满意的全局解仍然是该领域的研究热点问题。本文主要从以下两个方面进行阐述。(1)介绍和比较分析了国内外求解车辆路径优化问题的研究现状和求解方法,详细阐述了蚁群算法(Ant System, AS)的工作原理、数学模型和实现方法,分析了蚁群算法复杂度以及影响算法性能的重要参数,如α、β和ρ等,人工蚁群算法是通过模拟蚂蚁觅食现象中的群体智能(Swarm Intelligence, SI)而提出的一种具有正反馈机制的经典启发式算法在的最新思想。但是传统蚁群算法在求解VRP问题中存在收敛速度慢,容易陷入局部最优路径等不足。如何应用蚁群算法求解大规模VRP问题并且在较短时间内找到较满意的全局解是本文主要研究内容。(2)本文提出了一种具有禁忌搜索能力的改进蚁群算法。在传统蚁群算法的基础上融合了禁忌搜索算法中禁忌最优路径的思想。通过对最优最差路径进行宏观控制,影响蚂蚁对下一配送点的选择,增加解的多样性,采取动态自适应蚁群参数设置等策略,提高算法效率,使改进后的算法更适合求解VRP问题。最后,根据改进算法编写Matlab程序并通过求解有载重量约束的车辆路径优化问题(Capacitated Vehicle Routing Problem, CVRP)检验算法的有效性。实验结果表明改进型蚁群算法性能显著,能在较短时间内求得车辆路径问题较满意的全局最优解。