物流配送是物流系统中的重要一环,在物流活动的各项成本当中,配送成本占据了很大的比例。在物流配送中,运输车辆配送路径选取问题是一个非常关键的问题。选择合适的配送路径,不仅能够降低物流成本,提高物流效率,而且能够提升服务质量,提高客户满意度。如何在满足客户多样化的需求条件下,采用科学有效的方法对配送路径进行优化以提高企业的经济效益,是企业关心的重要问题,也是当今物流领域研究的重点问题。围绕物流配送路径问题,本文主要完成了以下三个部分的工作：(1)详细介绍了物流配送中的车辆路径问题(Vehicle Routing Problem, VRP),对其进行了分类,并阐述了求解车辆路径问题的算法；深入探讨了蚁群算法(Ant Colony Algorithm,ACA)的基本原理,数学模型和算法实现,并对蚁群算法的优缺点进行了分析；介绍了人工鱼群算法(Artifical Fish Swarm Algorithm,AFSA)口人工鱼模型,并讨论了人工鱼群算法的典型行为和实现步骤。(2)提出了将人工鱼群算法和蚁群算法相融合,进行优势互补的设计思路,并设计了两种算法的动态融合策略,然后对蚁群算法的参数,信息素等进行了改进,从而提出了改进的混合蚁群算法,这是本文的核心内容。最后针对旅行商问题(Travelling Salesman Problem,TSP)进行了实例仿真,结果表明改进的混合蚁群算法和其他启发式算法相比在运算效率和解的稳定性上具有一定的优越性。(3)将改进的混合蚁群算法运用到VRP问题上去,并针对VRP问题的具体特点,对算法进行了相应的改进。然后选取了一些算例对算法进行了测试,验证了算法对于车辆路径问题的有效性。最后,将改进的混合蚁群算法应用于苏宁电器的实际案例中,得出了较好的配送方案,并通过路程和满载率分析证明了算法的实用性。本文提出的改进的混合蚁群算法,对于求解车辆路径问题有一定的参考价值,同时对于企业提高物流配送效率也有一定的意义。