随着我国经济的迅速发展和信息技术的进步，物流行业已经被确定为我国国民经济的重要产业和经济发展的新增长点，其中物流配送路径的优化是物流系统中的关键一环，该问题是运筹学和组合优化领域中的著名问题，由于问题求解的复杂性，目前车辆路径问题的求解方法t要使用各种智能优化算法。蚁群算法有着良好的正反馈机制与较强的鲁棒性和灵活性，得到了较为广泛的研究和应用，但其存在易于陷入局部最优和循环过早停滞的不足。为改善这一问题，本文在蚁群系统的基础上，构造了基于多样化个体的蚁群系统和进化蚁群系统两种新算法，其中基于多样化个体的蚁群系统具有搜索空间广，可行解多样性强的优点；进化蚁群系统则一方面解决了蚁群算法的参数优化问题，使其参数具有自适应能力，另一方面该算法在搜索范围、收敛速度和稳定性上较蚁群算法都有所提高，有效的缓解了蚁群系统易于陷入局部最优的缺点。文章最后通过仿真验证了这两种新算法的优点和不足。本文主要研究工作如下：　　 第一章绪论部分：简要介绍了物流配送的基本概念，分析了课题研究的大背景与意义；　　 第二章车辆路径问题的分析与求解：介绍了路径优化问题的研究现状并给出了一些常见的求解算法和数学模型：　　 第三章蚁群算法和遗传算法：介绍了基本的蚁群算法和遗传算法，及其求解TSP问题的模型；　　 第四章改进的蚁群算法：为本文重点，构造了基于多样化个体的蚁群系统和进化蚁群系统两种新算法，并通过仿真与传统蚁群算法进行了对比分析；　　 第五章为本文的总结和展望。