车辆路径问题是研究如何通过合理规划行驶路线来实现运输成本优化调度问题，解决该问题的相关理论和算法对降低物流成本具有重要的应用价值，因此一直是组合优化和运筹学研究热点。根据人们所要求的目标不同，可将车辆路径问题分成不同的类别。本文首先分析了目前国内国外的车辆路径问题的研究现状及车辆路径问题的分类，主要依据对访问客户点时间的限制，将车辆路径问题进一步细化为带时间窗的车辆路径问题。在时间限制的基础上，从根据车场数目的不同分为单车场和多车场。针对VRPTW，一些智能算法不断的涌现，而蚁群优化算法得到了广泛的关注。从前人的研究中，蚂蚁只是单一的按一种方式去选择下一个节点，并未改变选择节点方式，致使搜索陷入局部最优中，缩小了搜索的范围，没有考虑到动物行为的多样性。对于启发式因子，很多人只是考虑一些因素对局部路径造成的影响，并未考虑到全局路径的影响。因此本文主要内容如下：(1)针对当前蚁群算法存在的问题，对蚁群算法进行改进，综合考虑局部和全局对选择路径方式的影响，以及人工蚂蚁选择路径方式的多样性。通过改进蚁群算法的转移概率和启发式因子，使每只人工蚂蚁随机地选择属于自己的行为规范，将蚁群进一步智能化，建立了基于混合机制智能化的蚁群算法。(2)分别从两个方面阐述了改进后的混合行为的蚁群算法去解决单车场的带时间窗的车辆路径问题，应用遗传算法和混合行为的蚁群算法进行求解多车场的路径问题。仿真实验的结果表明，改进的混合行为蚁群算法是有效的。