伴随着我国经济的快速发展,人们的消费观念与购物方式有了较大的改变。一大部分人由原来的线下购物转变为互联网线上购物,造成了以电子商务为基础的网络购物现象在人们当中越来越普及。然而互联网购物带动了物流行业的发展,又给物流行业提出了一系列新的要求。如何合理安排运输车辆,降低物流企业的运输费用已成为现代物流企业研究的重要课题之一。经典的车辆路径问题(Vehicle Routing Problem,VRP)是物流配送车辆路径优化问题的起源。因此建立相应的数学仿真模型以及合适的求解算法是研究物流配送车辆路径优化问题的关键。本文把研究的重点主要放在了带时间窗的物流车辆路径问题的数学建模及求解,提出了一种渐进挥发式的蚁群算法。本文具体研究工作主要包括以下内容:提出了一种渐进挥发因子蚁群算法。对传统蚁群算法在挥发因子、启发因子以及信息素的增量方面做出相应的改进。改进后的蚁群算法按照不同的迭代次数设置不同的挥发因子,并在启发式因子中考虑到路径的起始点与各个节点之间的距离关系。改进后的蚁群算法相比传统蚁群算法收敛速度较快,更容易在较短的时间内发现全局最优解。通过MATLAB软件载入各个物流站点的地理位置坐标,搭建物流虚拟仿真平台。以车辆配送距离、客户满意度、配送车辆数目为目标函数,以并列选择法为多目标函数的优化方法求解配送路径。在得到的配送路径的集合中,选出最优的路径,完成相应的物流配送工作。最后,对本文所提出的改进蚁群算法在虚拟物流仿真平台上进行仿真验证。实验结果表明:在客户点数目为20时,改进后的蚁群算法相比传统蚁群算法,配送路径的平均距离降低了1.6%,收敛速度提高了35.7%。