随着工业自动化的不断成熟,工业正在由信息化向智能化转变,由德国率先提出了工业智能化的概念,智能物流作为工业智能化中一个核心主题引起了各国的关注和重视。目前我国大部分物流企业的调度方式还十分落后,大部分仍然依靠个人经验来进行路径和资源调度,导致企业资源闲置,增加了企业的运营成本,更有甚者不能满足配送点对货物的需求影响到企业的信誉,与智能化、信息化的物流仍然存在着很大的差距。车辆路径问题主要的任务是求得一个最优的调度,使得车辆完成所有需求点的配送后运行的路程最短或消耗的费用最低。车辆路径问题作为智能物流中的经典的问题,引起物流管理、运筹学和计算机网络等领域专家的大力关注和研究,并且取得了很大的研究成果。为了更好地解决车辆路径问题,文本详细地分析了分布估计算法和禁忌搜索算法的优点。针对车辆路径问题的特殊性,将两者进行结合,提出了一种混合分布估计算法来获取最优的调度路径。为了提高初始种群的质量,将启发式算法加入到混合分布估计算法中。为了提高算法的局部搜索效率,在算法中加入2-opt操作,逆序、插入和交换等领域搜索策略。同时在保持种群多样性和不破坏概率模型的情况下,在算法中加入了保留最优解操作和限定操作使得算法更容易获得最优解。实验结果表明该算法解决车辆路径问题具有很好的性能和收敛性。